2

我试图在以下文本中获取包含链接的句子：

<p> Referencement PG1 est spécialiste en référencement depuis 2004. Une recherche sur <a rev="help" dir="rtl" href="http://www.referencement-site-pro.com Mot Clé</a>, aidera de nous trouver. Fascinez le regard avec le film vidéo. Vous demeurerez persistant sur les plateformes Youtube, Dailymotion ... Les images Video apparaissant dans les index de Google appâteront les surfeurs. <img style="padding:5px;float:left" src="http://thumbs.virtual-tour.tv/referencementpage1.jpg Par le appel à la Vidéo, faites-vous connaître. </p>

这意味着这句话：

Une recherche sur <a rev="help" dir="rtl" href="http://www.referencement-site-pro.com Mot Clé</a>, aidera de nous trouver.

我使用这个正则表达式：

([A-Z][^<]*)<a[^>]*>([^<]*)</a>([^\.!\?]*)

我找不到你为什么它不工作，它给了我一个我需要的 previsou 句子：

Referencement PG1 est spécialiste en référencement depuis 2004. Une recherche sur <a rev="help" dir="rtl" href="http://www.referencement-site-pro.com Mot Clé</a>, aidera de nous trouver.

我错过了什么？谢谢你的帮助=D

编辑（一些代码）：

preg_match_all('#([A-Z][^<\.!\?]*)<a[^>]*>([^<]*)</a>(.*[^\.!\?]*)#U', $spinnedText, $matches);
echo "<pre>";
print_r($matches);
echo "</pre>";
foreach($matches[1] as $key=>$value){
//$spinnedText = str_replace($matches[0][$key], "<a {title=\"".$this->url."\"|} {rev=\"{index|help|bookmark|friend}\"|} {dir=\"rtl\"|}{rel=\"{friend|bookmark|help|}\"|} href=\"".$this->url."\">".trim($value)."</a>", $spinnedText);
$spinnedText = str_replace($matches[0][$key], "<a {title=\"".$this->url."\"|} {rev=\"{index|help|bookmark|friend}\"|} {dir=\"rtl\"|}{rel=\"{friend|bookmark|help|}\"|} href=\"".$this->url."\">".$matches[1][$key].$matches[2][$key].$matches[3][$key]."</a>", $spinnedText);
}
4

3 回答 3

1

您的正则表达式仍然与第一句匹配，因为它以大写字母开头。您需要从\.or (?:^|[\.!?])or 开始，但这对您来说可能是个问题，因为第一句话在某些情况下也可能有效。这些链接是否可以包含多个句子？重要的问题是什么定义了一个句子。

p>除了 a 之后的第一句和字符串开头的句子之外，这将适用于您所拥有的内容：

preg_match('/
   (?:           # match, but do not capture any of
   ^             # the start of the string
   |p>\s*        # or an opening or closing p tag followed by any number of spaces
   |[\.!?] )     # or sentence punctuation followed by a space
   (             # capture
   [A-Z]         # a capital letter
   .*?           # followed by any characters until
   <\/a>         # a closing anchor tag
   .*?           # followed by any characters until
   [.?!])        # closing punctuation
/x', $item, $matches);
于 2012-05-31T13:14:12.747 回答
0

您可能希望改为查看 DOM Parser：

例如：http ://simplehtmldom.sourceforge.net/

他们网站上的例子：

// Create DOM from URL or file
$html = file_get_html('http://www.google.com/');

// Find all images
foreach($html->find('img') as $element)
    echo $element->src . '<br>';
于 2012-05-31T13:21:41.783 回答
0

这称为“贪婪匹配”。这意味着正则表达式引擎通常匹配正则表达式有效的所有字符。在您的示例中，您必须限制正则表达式的 START 以便它不会贪婪地匹配不同的句子。

尝试这个：

[^.!?]*<\s*a[^>]+>([^<]*)</a>[^.?!]*[.?!]

它应该匹配整个句子，仅此而已。

希望这可以帮助。

于 2012-05-31T13:09:41.903 回答