Почему регулярка работает не так как надо?

Question

[Александр Синицын]

Ход мысли... (href|src)=['|"][http[s]?://]([domain])/(path/)(filename).(jpg|jpeg|png|gif)
1) Что надо - ссылки на все изображения, могут быть в <a href=""> или <img src="">
(href|src)=['|"]...['|"]
2) Протокол может быть или нет
[http[s]?://]
3) Домен может быть или нет, должен быть в результате
([domain])
4) так же надо получить путь, имя файла и расширение
(path)(filename).(jpg|jpeg|png|gif)

В результате составил следующее выражение

/(href|src)=[\'\"]((http[s]?:\/\/)?([^\/]+)?([^\'\"]+)*\/([^\.]+)\.(jpeg|jpg|png|gif))[\'\"]/i
                         протокол    домен     путь       имя файла  расширение

Вроде бы и работает, но если попадает ссылка, которая не является файлом (чпу), то preg_match_all возвращает false и набор ссылок, найденных до этой ссылки.

Что не так?

Answer 1

[marxxt]

Такое вам подойдет?
(href|src)="([\s\S]+?)"

Comments

[Александр Синицын]

Так это соберет ВСЕ ссылки и с каждой надо будет разбираться отдельно.

[dollar]

Александр Синицын, Ну и разбирайтесь с каждой отдельно. Зачем абсолютно всю логику программы пихать в единственную регулярку?

[marxxt]

Александр Синицын, тогда так

(href|src)="([\s\S]+?\.(jpg|jpeg|png|gif))"

[Александр Синицын]

dollar, Если регулярка может это сделать сразу, то зачем после неё разбирать каждую ссылку отдельно?

[Александр Синицын]

xoo, Хотелось бы запустить все же с результатом в таком виде, из которого мне нужны 2, 4, 5, 6, 7

array (
  0 => 
  array (
    0 => 'href="http://example.com/_pu/0/filename.jpg"',
    1 => 'href',
    2 => 'http://example.com/_pu/0/filename.jpg',
    3 => 'http://',
    4 => 'example.com',
    5 => '/_pu/0',
    6 => 'filename',
    7 => 'jpg',
  ),
)

[marxxt]

Александр Синицын, ну попробуйте вот так

(href|src)="((https*:\/\/)([\w\d\.]+))*\/([\w\d\/]+)\.(jpg|jpeg|png|gif)"

https://regex101.com/r/tuL1jG/1

[Александр Синицын]

xoo, путь слипается с именем файла

[marxxt]

Александр Синицын,

(href|src)="((https*:\/\/)([\w\d\.]+))*\/([\w\d\/]+)\/([\w\d\/]+)\.(jpg|jpeg|png|gif)"

[Александр Синицын]

xoo, при определенных условиях оно работает правильно, но если взять пустой path, то уже ничего не находит.

Может как-то так

(href|src)="(https?:\/\/)?([^\/]+)?([\w\d\/]+)(?<=\/)([\w\d]+)\.(jpg|jpeg|png|gif)"

[marxxt]

Александр Синицын, пустой path это такой?

href="filename.jpg"

[Александр Синицын]

xoo, /filename.jpg
Допустимые варианты
domen.com/dir/dir/filename.ext
/dir/dir/filename.ext
/filename.ext

[marxxt]

Александр Синицын,

(href|src)="((https*:\/\/)([\w\d\.]+))*\/*([\w\d\/]+)\/*\.(jpg|jpeg|png|gif)"

Ну давайте тогда так)

https://regex101.com/r/tuL1jG/2

[Александр Синицын]

xoo, Ну дак прилипает dfdfdf/sadsa/filename )

Я вроде уже импортировал по

(href|src)="(https?:\/\/)?([^\/]+)?([\w\d\/]+)(?<=\/)([\w\d]+)\.(jpg|jpeg|png|gif)"

С виду пока косяков не видно. Сейчас ещё sql-запросом выборку статей сделаю.

[marxxt]

Александр Синицын, так если

href="http://example.com/dfdfdf/sadsa/filename.jpg"'

то dfdfdf/sadsa/filename - это же путь, нет?

[Александр Синицын]

xoo,
/dfdfdf/sadsa - путь
filename - имя файла