php正则表达式获取href标签内的字符串

Posted 2023-02-24

技术标签:

【中文标题】php正则表达式获取href标签内的字符串【英文标题】：php regex to get string inside href tag 【发布时间】：2011-04-29 09:59:41 【问题描述】：

我需要一个正则表达式，它可以在 href 标记内和引号内提供字符串。

例如，我需要在以下内容中提取 theurltoget.com：

<a href="theurltoget.com">URL</a>

此外，我只想要基本 url 部分。 IE。来自http://www.mydomain.com/page.html 我只想要http://www.mydomain.com/

【问题讨论】：

一般共识：不要使用正则表达式解析 HTML。好的，我怎样才能得到href标签然后使用php php.net/manual/en/class.domdocument.php 和 php.net/manual/en/function.parse-url.php 就是您所需要的。您的数据甚至不包含方案。 href 可能并不总是包含方案和域。 不要使用正则表达式解析 HTML。使用适当的 HTML 解析模块。 您无法使用正则表达式可靠地解析 HTML，并且您将面临悲伤和挫败感。一旦 HTML 与您的期望发生变化，您的代码就会被破坏。有关如何使用已经编写、测试和调试的 PHP 模块正确解析 HTML 的示例，请参阅 htmlparsing.com/php。 【参考方案1】：

不要为此使用正则表达式。你可以使用 xpath 和内置的 php 函数来获得你想要的：

    $xml = simplexml_load_string($myHtml);
    $list = $xml->xpath("//@href");

    $preparedUrls = array();
    foreach($list as $item) 
        $item = parse_url($item);
        $preparedUrls[] = $item['scheme'] . '://' .  $item['host'] . '/';
    
    print_r($preparedUrls);

【讨论】：

能否提供一个主题相关的$myHtml示例字符串请c: 如何检查html无效。类似用户输入html <div> 为div> 这是从 HTML 文档中提取属性的最优雅的方法。【参考方案2】：

$html = '<a href="http://www.mydomain.com/page.html">URL</a>';

$url = preg_match('/<a href="(.+)">/', $html, $match);

$info = parse_url($match[1]);

echo $info['scheme'].'://'.$info['host']; // http://www.mydomain.com

【讨论】：

当标签中有更多属性时，这将不起作用。例如。 href="mydomain.com/page.html" class="blue" rel=even"。这将返回 [path] => /page.html" class="blue" rel=even" 另外：是的，如果您只寻找基本 url 部分（@David 问题的第二部分），这将起作用！如果您正在查找 href 之间的整个 url，请使用另一个正则表达式（我将尝试在下面的答案中发布此内容）。【参考方案3】：

这个表达式将处理 3 个选项：

没有引号双引号单引号

'/href=["\']?([^"\'>]+)["\']?/'

【讨论】：

我有一个这种表达式有效的情况，除非双引号 url 包含单引号（就像 google maps url 的方式一样）。现在，您的正则表达式在第一个单引号处停止（即使 url 被双引号包围）【参考方案4】：

如果您只是在寻找基本 url 部分（@David 问题的第二部分），请使用 @Alec 的答案！

$html = '<a href="http://www.mydomain.com/page.html" class="myclass" rel="myrel">URL</a>';
$url = preg_match('/<a href="(.+)">/', $html, $match);
$info = parse_url($match[1]);

这会给你：

$info
Array
(
    [scheme] => http
    [host] => www.mydomain.com
    [path] => /page.html" class="myclass" rel="myrel
)

所以你可以使用$href = $info["scheme"] . "://" . $info["host"] 这给了你：

// http://www.mydomain.com

当您在 href 之间查找 整个 url 时，您应该使用另一个正则表达式，例如 @user2520237 提供的正则表达式。

$html = '<a href="http://www.mydomain.com/page.html" class="myclass" rel="myrel">URL</a>';
$url = preg_match('/href=["\']?([^"\'>]+)["\']?/', $html, $match);
$info = parse_url($match[1]);

这会给你：

$info
Array
(
    [scheme] => http
    [host] => www.mydomain.com
    [path] => /page.html
)

现在您可以使用$href = $info["scheme"] . "://" . $info["host"] . $info["path"]; 这给了你：

// http://www.mydomain.com/page.html

【讨论】：

【参考方案5】：

http://www.the-art-of-web.com/php/parse-links/

让我们从最简单的情况开始——没有额外属性的格式良好的链接：

/<a href=\"([^\"]*)\">(.*)<\/a>/iU

【讨论】：

/U 修饰符解决了我的问题。感谢您的提示！如果<a>元素中有其他属性，这将不起作用。【参考方案6】：

对于所有 href 值替换：

function replaceHref($html, $replaceStr)

    $match = array();
    $url   = preg_match_all('/<a [^>]*href="(.+)"/', $html, $match);

    if(count($match))
    
        for($j=0; $j<count($match); $j++)
        
            $html = str_replace($match[1][$j], $replaceStr.urlencode($match[1][$j]), $html);
        
    
    return $html;

$replaceStr  = "http://affilate.domain.com?cam=1&url=";
$replaceHtml = replaceHref($html, $replaceStr);

echo $replaceHtml;

【讨论】：

【参考方案7】：

这将处理 URL 周围没有引号的情况。