php - 使用正则表达式从页面中提取 url

Question

我有一点php从页面中提取所有网址：

$regex = '/https?\:\/\/[^\" ]+/i';
preg_match_all($regex, $page, $matches);

$links = ($matches[0]);

foreach($links as $link)
{
  echo $link.'<br />';
}

我将如何修改它以提取不是所有链接，而只是提取与某个部分 url 匹配的链接，在这种情况下：` http ://www.site.com/artist/ ' 我正在寻找的结果是一个类似的列表：

http://www.site.com/artist/Nirvana/

http://www.site.com/artist/Jayz/

等等。

Answer 1

这些网址在哪里？他们在网页上吗？试试这个：

http://www.site.com/artist/ .*\b

更新 1：

如果您使用的是 PHP，请尝试以下操作：

preg_match_all('%http://www\.site\.com/artist/.*\b%', $html, $urls, PREG_PATTERN_ORDER);
$urls = $urls[0];

Answer 2

$regex = 'http:\/\/www.site.com\/artist\/[^" ]+\/';

当然，该artist部分之后的内容取决于被认为是可接受的输入。

如果您只接受字母和数字，那么只需使用[a-zA-Z0-9]+.

Answer 3

通过将分隔符更改为感叹号，不需要额外的转义字符。字符类匹配空白字符，\s如制表符、空格和换行符。我还确保我们涵盖两种类型的报价（以防页面变化）。

$regex = '!https?://www.site.com/artist/[^\'"\s]+!i';
preg_match_all($regex, $page, $matches);

$links = ($matches[0]);

foreach($links as $link)
{
  echo $link.'<br />';
}