应分两步提取图片链接：先用宽松正则（如 /src\s*=\s*["']([^"']+)["']/i）提取所有候选URL，再对每个URL先urldecode()，再用pathinfo($url, PATHINFO_EXTENSION)获取后缀并比对小写白名单（jpg/jpeg/png/gif/webp/svg/bmp），同时单独处理data:image/开头的base64图片。
怎么用 preg_match_all 提取图片链接但排除非图片后缀
直接匹配所有 src 或 href 里的 URL 再过滤后缀，比靠正则一步断定“是不是图”更可靠。因为真实 HTML 里图片可能藏在 data-src、srcset，甚至带查询参数（如 avatar.jpg?size=large），正则硬写 \.(jpg|png|gif)$ 会漏掉或误杀。
推荐分两步：先用宽松正则抓出候选 URL，再用 PHP 的 pathinfo() 拿扩展名做白名单校验。
- 宽松正则示例：
/src\s*=\s*[\"']([^\"']+\.(?:jpe?g|png|gif|webp|svg|bmp))[\"']/i—— 注意这里只覆盖常见后缀，且允许大小写；但别写死$锚点，否则匹配不了带参数的 URL - 更稳妥做法是先提取所有疑似 URL：
/src\s*=\s*[\"']([^\"']+)["']/i，然后对每个$matches[1]做pathinfo($url, PATHINFO_EXTENSION) - 注意：URL 可能含编码字符（如
%20），提取后建议先urldecode()再解析后缀，否则pathinfo()可能返回空
为什么不能只靠正则判断后缀是否有效
正则在 URL 上做后缀断言很容易翻车。比如 https://example.com/image.png?v=1.2，如果正则写成 \.png$，$ 会卡在 v=1.2 后面，整个不匹配；改成 \.png(?:\?|\#|$) 又容易漏掉 .jpeg 或带路径参数的 /api/avatar/123.jpeg?token=abc。
更麻烦的是伪后缀：有些 CDN 返回 https://cdn.com/img?id=456，实际是 PNG，但正则根本看不出；还有内联 base64 图片（data:image/png;base64,...）——这种得单独处理，不能和普通 URL 用同一套规则。
立即学习“PHP免费学习笔记（深入）”；
- 遇到
data:开头的，用strpos($url, 'data:image/') === 0单独识别，后缀从 MIME 类型里取（如data:image/svg+xml→svg） -
srcset里多个 URL 用逗号或空格分隔，需先explode()再逐个 trim 和校验，别直接丢给正则 - 某些 CMS 输出的 URL 带 hash（如
logo-abc123.png），正则写\.png就够，别画蛇添足加\b或$
过滤时该用哪些后缀白名单
别照着 RFC 列全所有图像类型，实际网页中 95% 是 jpg、jpeg、png、gif、webp。SVG 和 BMP 出现频率低，但必须支持；ico 算不算图看需求——如果是提取「展示用图片」，通常不包括 favicon。
白名单建议写成小写数组，统一转小写再比对，避免大小写问题：
$valid_exts = ['jpg', 'jpeg', 'png', 'gif', 'webp', 'svg', 'bmp'];
$ext = strtolower(pathinfo($url, PATHINFO_EXTENSION));
if (in_array($ext, $valid_exts)) { /* 保留 */ }- 别用
mime_content_type()或getimagesize()做实时校验——HTTP URL 需要远程请求，极慢且不可靠 - 如果源 HTML 来自可信后台，可放宽限制（比如接受
.avif）；若来自用户提交内容，建议严格按白名单，防止.php.jpg这类绕过 - 注意
svg是文本格式，但浏览器当图片渲染，应纳入白名单；而pdf虽然能显示，一般不算「图片链接」，除非业务明确需要
常见错误：正则贪婪匹配导致截断或错位
写 /src="(.*)"/ 这种太宽泛的正则，遇到 <img src="a.jpg" alt="foo" src="b.png"> 会从第一个 " 匹配到最后一个 "，把整段 HTML 当成一个 URL。
必须用非贪婪 + 明确边界：
- 正确写法：
/src\s*=\s*[\"']([^\"']*)[\"']/i——[^\"']*?表示“直到下一个引号为止”，不是“任意字符” - 如果 HTML 属性用换行分隔（如
src="换行a.jpg"），默认.不匹配换行，得加s修饰符：/src\s*=\s*[\"']([^\"']*)[\"']/is - 提取多个属性时（如同时抓
src和data-src），别堆在一个正则里，分开调用preg_match_all()更清晰，也方便后续分别过滤
真正难的不是写正则，而是判断哪个 URL 算“有效图片”——这取决于你的业务场景：是生成缩略图？还是做外链检查？后者还得验证 HTTP 状态码，那就超出正则能力了。
