php抓取网页图片链接应优先使用file_get_contents配合domdocument解析，而非正则匹配；需处理data-src与src、相对路径补全、base标签、user-agent及referer等防盗链措施。
PHP 抓取网页图片链接，核心不是“能不能”，而是“用对方法”——file_get_contents + DOMDocument 是最稳的组合，正则匹配 <img alt="如何抓取图片链接_PHP提取网页图片链接技巧【教程】" > 标签在大多数真实网页中会漏掉或错抓。
为什么别用正则解析 <img alt="如何抓取图片链接_PHP提取网页图片链接技巧【教程】" > 标签
HTML 不是正则友好的格式：标签可能跨行、属性顺序不固定、有自闭合写法、含 JS 动态插入内容。常见错误现象包括：
- 漏掉
<img src="..." alt="如何抓取图片链接_PHP提取网页图片链接技巧【教程】" >中换行后的src属性 - 把 CSS 背景图 URL（如
style="background:url(...)"）误判为<img alt="如何抓取图片链接_PHP提取网页图片链接技巧【教程】" > - 抓到注释里的假链接，比如
<!-- <img src="xxx" alt="如何抓取图片链接_PHP提取网页图片链接技巧【教程】" > --> - 遇到 HTML5 自定义属性（如
data-src）直接忽略
用 DOMDocument 安全提取 src 和 data-src
DOMDocument 能真正解析 HTML 结构，兼容性好、容错强。关键点：
- 务必调用
$dom->loadHTML($html, LIBXML_NOERROR | LIBXML_NOWARNING)屏蔽解析警告 - 用
$dom->getElementsByTagName('img')遍历所有<img alt="如何抓取图片链接_PHP提取网页图片链接技巧【教程】" >元素 - 优先读
$img->getAttribute('data-src')（懒加载常见）， fallback 到src - 用
filter_var($url, FILTER_VALIDATE_URL)过滤掉相对路径或无效值，再补全协议和域名
示例片段：
立即学习“PHP免费学习笔记（深入）”；
$dom = new DOMDocument();
@$dom->loadHTML($html, LIBXML_NOERROR | LIBXML_NOWARNING);
$imgs = $dom->getElementsByTagName('img');
$urls = [];
foreach ($imgs as $img) {
$url = $img->getAttribute('data-src') ?: $img->getAttribute('src');
if ($url && filter_var($url, FILTER_VALIDATE_URL) === false) {
$url = rtrim($base_url, '/') . '/' . ltrim($url, '/');
}
if (filter_var($url, FILTER_VALIDATE_URL)) {
$urls[] = $url;
}
}处理 HTTPS、相对路径和 base 标签
网页里 src="/images/a.jpg" 或 src="images/b.png" 必须转成完整 URL，否则下载会 404。不能硬拼 https://domain.com/ —— 页面可能含 <base href="https://cdn.example.com/">。实操建议：
- 先用
$dom->getElementsByTagName('base')拿href，存在则作为基准 - 没
<base>就用请求该网页时的原始 URL（即$base_url） - 用
parse_url()拆解基准 URL，再用dirname()处理相对路径层级 - 避免用
str_replace或substr手动拼接，容易出错
注意防盗链和 User-Agent
很多图床（如微博、知乎、头条）返回空响应或 403，不是代码问题，是服务端校验了 User-Agent 或 Referer。调试时可加：
stream_context_set_default(['http' => ['header' => "User-Agent: Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36"]]);- 必要时补
Referer: https://example.com/（需与目标站同源或允许） - 有些站点还校验
Accept头，设成image/webp,image/apng,image/*,*/*;q=0.8更稳妥
真正难的不是提取链接，是让服务器愿意把图片给你——URL 对了，头不对，照样拿不到。
