Здравствуйте, я хочу извлечь ссылки <a href="/portal/clients/show/entityId/2121" >
и я хочу, чтобы регулярное выражение, которое передало мне / portal / clients / show / entityId / 2121, номер 2121 в других ссылках разные идеи?
Регулярное выражение для разбора ссылок выглядит примерно так:
'/<a\s+(?:[^"'>]+|"[^"]*"|'[^']*')*href=("[^"]+"|'[^']+'|[^<>\s]+)/i'
Учитывая, насколько это ужасно, я бы рекомендовал использовать Simple HTML Dom для получения ссылок по крайней мере. Затем вы можете проверить ссылки, используя какое-то очень основное регулярное выражение на ссылке href.
Простой пример PHP PHP Parser :
// Create DOM from string $html = str_get_html($links); //or $html = file_get_html('www.example.com'); foreach($html->find('a') as $link) { echo $link->href . '<br />'; }
Не используйте регулярные выражения для обработки xml / html . Это можно сделать очень легко, используя встроенный синтаксический анализатор :
$doc = new DOMDocument(); $doc->loadHTML($htmlAsString); $xpath = new DOMXPath($doc); $nodeList = $xpath->query('//a/@href'); for ($i = 0; $i < $nodeList->length; $i++) { # Xpath query for attributes gives a NodeList containing DOMAttr objects. # http://php.net/manual/en/class.domattr.php echo $nodeList->item($i)->value . "<br/>\n"; }
Когда «разбор» html, я в основном полагаюсь на PHPQuery: http://code.google.com/p/phpquery/, а не на регулярное выражение.
Прокрутка ссылок из HTML может быть выполнена с помощью анализатора HTML.
Когда у вас есть все ссылки, просто получите индекс последней косой черты, и у вас есть свой номер. Нет необходимости в регулярном выражении.
Это мое решение:
<?php // get links $website = file_get_contents("http://www.example.com"); // download contents of www.example.com preg_match_all("<a href=\x22(.+?)\x22>", $website, $matches); // save all links \x22 = " // delete redundant parts $matches = str_replace("a href=", "", $matches); // remove a href= $matches = str_replace("\"", "", $matches); // remove " // output all matches print_r($matches[1]); ?>
Я рекомендую избегать использования синтаксических анализа на основе xml, потому что вы не всегда будете знать, был ли документ / сайт хорошо сформирован.
С наилучшими пожеланиями