如何僅刪除帶有正則表達式的嵌入式圖像？

Question

我有很多用戶生成的內容，其中包含以下格式的內嵌圖像：

<img src="data:image/gif;base64,R0lGODlhEAAOALMAAOazToeHh0tLS/7LZv/0jvb2
/ge8WSLf/rhf/3kdbW1mxsbP//mf///yH5BAAAAAAALAAAAAAQAA4AAARe8L1hwLJoExKcpp
V0aCcGCmTIHEIUEqjgaORCMxIC6e0CcguWw6aFjsVMkkIr7g77ZKPJjd7sJAgVGoEgAwXEQA7" 
width="16" height="14" alt="embedded folder icon">

有些圖像是gif，有些圖像是png，但也有可能是其他圖像類型。

我希望能夠使用PHP刪除此類內聯圖像。 我猜這樣做的方法將是一個正則表達式，即使過度使用正則表達式似乎在Stack Overflow社區中不受歡迎，因為它經常被用來代替其他工具更好地工作並且是針對特定的目的。

但是，對於這種情況，我可以想到除了strip_tags之外沒有其他工具可以完成這項工作，但我確實希望保留不是內聯編碼的圖像。

因此，如何使用正則表達式通過PHP過濾掉內聯圖像？ 或者，如果有更好的工具來執行此操作，那是什么？

Answer 1

正則表達對我來說聽起來不錯。 只要它匹配data:image/gif和其他類型的圖像，當且僅當它們出現在img標記內時才要刪除。

這是一個起點，將其擴展為您喜歡的：

<img[^>]* src=['"]?data:image/gif[^>]*>

確保使用ignore case標志運行它並在你將其置於現場之前測試它的地獄。

Answer 2

一般而言，正則數據並不令人沮喪。 它們是PHP工具箱中的任何其他工具。 一旦使用正則表達式解析HTML，問題就會開始出現。 對於小的“已知格式”摘要，您可以擺脫。 但作為一般的HTML操作工具，正則表達式根本無法保證您將獲得良好的結果，因為HTML不是常規語言。

與大多數HTML操作一樣，請使用DOM：

$dom = new DOMDocument;
$dom->loadHTML(...);
$xp = new DOMXPath($dom);

$images = $xp->query("//img[starts-with(@src,'data:image']");

foreach($images as $img) {
    $img->parentNode->removeChild($img);
}