¿Cómo extraer img src, title y alt de html usando php?

Si encuentras alguna parte que no entiendes puedes dejarlo en la sección de comentarios y te ayudaremos lo más rápido posible.

Solución:

$url="http://example.com";

$html = file_get_contents($url);

$doc = new DOMDocument();
@$doc->loadHTML($html);

$tags = $doc->getElementsByTagName('img');

foreach ($tags as $tag) 
       echo $tag->getAttribute('src');

EDITAR: ahora que lo sé mejor

El uso de expresiones regulares para resolver este tipo de problema es una mala idea y probablemente generará un código que no se puede mantener y no es confiable. Mejor usa un analizador de HTML.

Solución con expresión regular

En ese caso, es mejor dividir el proceso en dos partes:

• obtener toda la etiqueta img
• extraer sus metadatos

Asumiré que su documento no es xHTML estricto, por lo que no puede usar un analizador XML. EG con el código fuente de esta página web:

/* preg_match_all match the regexp in all the $html string and output everything as 
an array in $result. "i" option is used to make it case insensitive */

preg_match_all('/





]+>/i',$html, $result); 

print_r($result);
Array
(
    [0] => Array
        (
            [0] => 
            [1] => 
            [2]  => 
            [3]  => 
            [4]  => 

[...]
        
        ) )

Luego obtenemos toda la etiqueta img attributes con un bucle:

$img = array();
foreach( $result as $img_tag)
src)=("[^"]*")/i',$img_tag, $img[$img_tag]);


print_r($img);

Array
(
    [] => Array
        (
            [0] => Array
                (
                    [0] => src="/Content/Img/stackoverflow-logo-250.png"
                    [1] => alt="enlace del logotipo a la página de inicio" )

            [1] => Matriz (
                    [0] => origen
                    [1] => alt)

            [2] => Matriz (
                    [0] => "/Contenido/Img/stackoverflow-logo-250.png"
                    [1] => "enlace del logotipo a la página de inicio" ) )

    [] => Matriz (
            [0] => Matriz (
                    [0] => src="/content/img/votar-flecha-arriba.png"
                    [1] => alt="votar"
                    [2] => title="Esto fue útil (haga clic de nuevo para deshacer)" )

            [1] => Matriz (
                    [0] => origen
                    [1] => alt
                    [2] => título)

            [2] => Matriz (
                    [0] => "/content/img/votar-flecha-arriba.png"
                    [1] => "votar"
                    [2] => "Esto fue útil (haga clic de nuevo para deshacer)" ) )

    [] => Matriz (
            [0] => Matriz (
                    [0] => src="/content/img/votar-flecha-abajo.png"
                    [1] => alt="votar negativo"
                    [2] => title="Esto no fue útil (haga clic de nuevo para deshacer)" )

            [1] => Matriz (
                    [0] => origen
                    [1] => alt
                    [2] => título)

            [2] => Matriz (
                    [0] => "/content/img/votar-flecha-abajo.png"
                    [1] => "votar abajo"
                    [2] => "Esto no fue útil (haga clic de nuevo para deshacer)" ) )

    [] => Matriz (
            [0] => Matriz (
                    [0] => src="https://foroayuda2.foroayuda.es/wp-content/uploads/2023/03/3-imagen-gravatar.jpg"
                    [1] => alt="imagen de gravado" )

            [1] => Matriz (
                    [0] => origen
                    [1] => alt)

            [2] => Matriz (
                    [0] => "https://foroayuda2.foroayuda.es/wp-content/uploads/2023/03/3-imagen-gravatar.jpg"
                    [1] => "imagen de gravado" ) )

   [..]
        ) )

Las expresiones regulares consumen mucha CPU, por lo que es posible que desee almacenar en caché esta página. Si no tiene un sistema de caché, puede modificar el suyo usando ob_start y cargando/guardando desde un archivo de texto.

¿Cómo funciona este material?

Primero, usamos preg_match_all, una función que obtiene cada string hacer coincidir el patrón y enviarlo en su tercer parámetro.

Las expresiones regulares:

]+>

Lo aplicamos en todas las páginas web html. se puede leer como cada string que empieza con “", contiene un carácter que no es ">" y termina con un >.

(alt|title|src)=("[^"]*")

$doc=new DOMDocument();
$doc->loadHTML("Test
");
$xml=simplexml_import_dom($doc); // just to make xpath more simple
$images=$xml->xpath('//img');
foreach ($images as $img) 
    echo $img['src'] . ' ' . $img['alt'] . ' ' . $img['title'];