PHP Lang
  1. PHP Lang
  3. Regexp для извлечения всех ссылок и якорных текстов из HTML
Intereting Posts
Проверка записей Crontab с PHP загрузка php-страницы с помощью класса в javascript Yii и нокаут вместе? PHP – проблема с вложенным mysql_fetch_array () сводит меня с ума Получить текущий URL-адрес в Magento и показать что-то PHP находит разницу между двумя датами В чем разница между ++ $ i и $ i ++ в PHP? Поведение Oracle oci_execute () с использованием OCI_DEFAULT для PHP> 5.3.2 Генерация паролей в PHP 5.5 и настройка стоимости конвертировать url в ссылки из строки, за исключением случаев, когда они находятся в атрибуте тега html Как о неудачных попытках для htaccess защищенных паролем каталогов Twitter Распечатать неправильное имя экрана PHP: вопрос о расшифровке Json Mathjax + CKEditor 4 + CKEditor в всплывающем окне на основе ajax Объединение файлов в один PDF-файл с использованием PHP / linux

Regexp для извлечения всех ссылок и якорных текстов из HTML

Я хотел бы, чтобы одно или несколько регулярных выражений могли:

1) Возьмите html большой страницы.

2) Найдите URL-адреса, содержащиеся во всех ссылках, например: 

<a href="http://example1.com">Test 1</a> <a class="foo" id="bar" href="http://example2.com">Test 2</a> <a onclick="foo();" id="bar" href="http://example3.com">Test 3</a>

И так далее, он должен извлечь URL-адрес, содержащийся в атрибуте 'href' независимо от того, что происходит до или после href

3) Извлеките якорный текст всех ссылок, например, в приведенных выше примерах, он должен вернуть «http://example1.com» и текст привязки «Тест 1», затем «http://example2.com» и «http://example2.com», Тест 2 'и т. Д. 

 <? $dom = new DomDocument(); $dom->loadHTML($html); $urls = $dom->getElementsByTagName('a');

Вам нужно взглянуть в будущее и заглянуть назад . 

 <?php $string = '<a href="http://example1.com">Test 1</a> <a class="foo" id="bar" href="http://example2.com">Test 2</a> <a onclick="foo();" id="bar" href="http://example3.com">Test 3</a>'; if(preg_match_all("|<a.*(?=href=\"([^\"]*)\")[^>]*>([^<]*)</a>|i", $string, $matches)) { /*** if we find the word white, not followed by house ***/ echo 'Found a match'; print_r($matches); } else { /*** if no match is found ***/ echo 'No match found'; } ?> 
 <?php $regexp = "<a\s[^>]*href=(\"??)([^\" >]*?)\\1[^>]*>(.*)<\/a>"; if(preg_match_all("/$regexp/siU", $html, $matches, PREG_SET_ORDER)) { foreach($matches as $match) {// $match[2] = link address // $match[3] = link text} } ?>

Это позволит извлечь как ссылку, так и текст привязки.

Попробуйте что-то вроде этого: 

 //not tested $regex_pattern = "/<a href=\"(.*)\">(.*)<\/a>/"; 
 /<a[^>]+href\s*=\s*["']([^"']+)["'][^>]*>(.*?)<\/a>/mis

Что касается использования RegEx для извлечения ссылок из HTML, то этот довольно прост:

\b(((src|href|action|url) *(=|:) *(?<mh>"|'|))(?<url>[\w ~$!*'/.?=#&@:%+,();\-\[\]]+)\k<mh>|url *\( *(?<mc>"|'|)(?<url>[\w ~$!*'/.?=#&@:%+,();\-\[\]]+)\k<mc>\))

Вот тот, который извлекает из HTML-документов весь «простой» текст (т. Е. Контент за пределами тегов):

(<(?<tag>script|style)[\s\S]*?</\k<tag>>)|<!--[\s\S]*?-->|<[\s\S]*?>|(?<text>[^<>]*)

Проверьте их оба здесь: http://www.martinwardener.com/regex