simple html dom获取网页图片的进阶问题

Question

我用simple html dom获取某网页的所有图片，但是想去除所有的广告。
广告图片基本都储存与广告商的服务器，所有域名不同。于是我的思路是增加一个图片域名路径的判断，来过滤广告。下面是我获取图片的代码，可以正常获取所有的图片。
<?php
header('Content-type:text/html; charset=utf-8');
require_once 'simple_html_dom.php';
$v = 'http://www.jqueryimage.com/';
$html = file_get_html($v);
foreach($html->find('img') as $element) {
if( preg_match('#^http:\/\/(.*)\.(jpg|gif|png)$#i',$element->src)){
$image = $element->src;
echo $image.'<hr />';
}
}
?>这是echo出的前几条记录
http://www.jqueryimage.com/images/demo/jquery-xfade.gif
--------------------------------------------------------------------------------
http://www.jqueryimage.com/images/buttons/homepage.jpg
--------------------------------------------------------------------------------
http://www.jqueryimage.com/images/buttons/demo.jpg
--------------------------------------------------------------------------------
http://www.jqueryimage.com/images/buttons/download.jpg
--------------------------------------------------------------------------------
http://img.adv.dadapro.net/myshare/shared/buttons/share001btn.gif  //广告图片，域名不同。
--------------------------------------------------------------------------------
http://www.jqueryimage.com/images/demo/zClip.jpg下面是域名截取的代码，可以获取网页的一级域名。
<?php
preg_match_all('#https?://(.*?)($|/)#m', urldecode(stripcslashes($v)), $r));
echo $r[1][0];
?>如何结合2者，过滤所有的广告图片，留下正确的图片呢？求教。

Answer 1

<?php
header('Content-type:text/html; charset=utf-8');
require_once 'simple_html_dom.php';
$v = 'http://www.jqueryimage.com/';
$html = file_get_html($v);
foreach($html->find('img') as $element) {
        if( preg_match('#^http:\/\/(.*)\.(jpg|gif|png)$#i',$element->src)){            $urls = parse_url($element->src);
            if($urls['host'] == 'www.jqueryimage.com') {
                echo "图片:" . $element->src;
            } else {
                echo "广告图片:" . $element->src;
            }           
        }
    }
?>

Answer 2

1.过滤广告的想法是错误的，应该是匹配合适的广告域名是不可预算的，但你想要的图片域名是可预算的2.另外，你的程序不考虑相对路径也是一个问题3.既然用dom，何必用正则做判断呢？还不如直接用正则match all4.广告图片未必都放在站外，注意这点我比较懒，不写程序了，还有问题可以继续问，我做过图片站的全站php siterip，知道的都可以答你

Answer 3

一个页面的图你不会全要吧？全要的话匹配该站域名或者任意相对路径就可以了往往只是需要某几张大图，这些图一般都有规律的，要么路径固定，要么位置（dom）固定，页页都一样只要用xpath/正则把它抓出来就行，其他的可以忽略
firefox有个插件叫imagehost grabber，里面有自写抓图规则的功能，你可以参考一下

Answer 4

当然不会是全要，广告图片不要……
xpath/， imagehost grabber，马上搜索一下去。谢谢了。