php - 正则表达式锚标记

Question

我正在使用 php，我在解析带有文本的锚标记中的 href 时遇到问题。

示例：具有测试的锚标记http://www.test.com

像这样<a href="http://www.test.com" title="test">http://www.test.com</a>

我想匹配锚标记中的所有文本

提前致谢。

Answer 1

使用DOM：

$text = '<a href="http://www.test.com" title="test">http://www.test.com</a> something else hello world';
$dom = new DOMDocument();
$dom->loadHTML($text);

foreach ($dom->getElementsByTagName('a') as $a) {
    echo $a->textContent;
}

DOM 专门设计用于解析 XML 和 HTML。它将比您想出的任何正则表达式解决方案更强大。

Answer 2

假设您希望选择带有该 href 的锚链接的链接文本，那么这样的事情应该可以工作......

$input = '<a href="http://www.test.com" title="test">http://www.test.com</a>';
$pattern = '#<a href="http://www\.test\.com"[^>]*>(.*?)</a>#';

if (preg_match($pattern, $input, $out)) {
    echo $out[1];
}

这在技术上并不完美（理论上 > 可能会在其中一个标签中使用），但可以在 99% 的情况下使用。正如一些评论所提到的，您应该使用 DOM。

Answer 3

如果您已经获得了锚标记，则可以通过正则表达式轻松提取 href 属性：

<a [^>]*href="([^"])"[^>]*>

如果您想提取标签的内容并且您知道自己在做什么，那么使用级联正则表达式编写一个简单的递归下降解析器并不难，它将解析除最病态之外的所有情况。不幸的是，PHP 不是学习如何做到这一点的好语言，所以我不建议使用这个项目来学习如何做。

因此，如果它是您所追求的内容，而不是属性，那么@katrielalex 是正确的：不要使用正则表达式解析 HTML。您将遇到嵌套格式标签和其他与正则表达式不兼容的合法 HTML 的伤害世界。