PHP 正則表達式提取圖片地址並排除指定域名的實戰範例

在處理文章內容提取首圖作為封面時，常會遇到一個棘手問題：內文可能夾雜表情圖片（如百度貼吧表情），若直接抓取第一個 src 屬性，封面極易誤抓為表情圖。此時需透過正則表達式精準過濾，排除特定域名（如 img.baidu.com）的圖片連結。

核心邏輯：負向前瞻斷言

關鍵在於使用 負向前瞻 (?!pattern)，匹配 <img src="... 時，斷言其後不以 https://img.baidu 開頭。以下為完整可執行範例：

<?php
$contents = '<p>疲憊是一種享受，讓我們無暇空虛；坎坷是一種經歷，讓我們真切的理解人生；<br>
            忙碌是一種幸福，讓我們沒有時間體會痛苦；奔波是一種快樂，
<br>    <img src="https://img.baidu.com/hi/ldw/w_0009.gif" />
<br>    <img src="https://img.baidu.com/hi/jx2/j_0020.gif" />
<br>    <img src="https://img.baidu.com/hi/jx2/j_0042.gif" />
<br>    <img src="https://img.baidu.com/hi/jx2/j_0015.gif" />
<br>    <img src="https://www.jb51.net/uploads/image/20140420/13979336569926.jpg" />
<br>    <img src="https://www.jb51.net/13979336569926.jpg" />';

// 關鍵正則：排除 https://img.baidu 開頭的 src
preg_match('#<img src="(?!http:\/\/img\.baidu)([^"]+)"#', $contents, $matches);

var_dump($matches);
/* 執行結果：
array (size=2)
  0 => string '<img src="https://www.jb51.net/uploads/image/20140420/13979336569926.jpg"' (length=77)
  1 => string 'https://www.jb51.net/uploads/image/20140420/13979336569926.jpg' (length=66)
*/
?>

正則細節解析

• # ... #：使用 # 作為定界符，避免 URL 中的 / 需轉義。
• (?!http:\/\/img\.baidu)：零寬斷言，確保緊隨 src=" 之後的字串不以 https://img.baidu 開頭。注意 . 需轉義為 \.。
• ([^"]+)：捕獲組，匹配非雙引號字元一次或多次，即實際圖片 URL。

擴展應用：排除多個域名

若需同時屏蔽多個表情圖床，可用 | 分隔：

preg_match('#<img src="(?!http:\/\/(img\.baidu|static\.example)\.com)([^"]+)"#', $contents, $matches);

進階建議：改用 DOMDocument

正則處理 HTML 易受標籤屬性順序、換行、單雙引號混用影響。生產環境建議改用 DOMDocument + DOMXPath：

<?php
$dom = new DOMDocument();
@$dom->loadHTML($contents, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
$xpath = new DOMXPath($dom);
$imgs = $xpath->query('//img[not(starts-with(@src, "https://img.baidu"))]/@src');
foreach ($imgs as $img) {
    echo $img->nodeValue . PHP_EOL; // 直接得到乾淨 URL
}
?>

此法更健壯，且可輕鬆擴展條件（如同時檢查 data-src、class 等屬性）。