如何通过正则表达式收集 HTML 链接中的文本？

Posted 2023-03-05

【中文标题】如何通过正则表达式收集 HTML 链接中的文本？

【英文标题】：How to gather the text inside HTML-links via regular expression?

【发布时间】：2019-08-09 04:12:39

【问题描述】：

我有一个带有链接的字符串（如 html 中的无序列表 (<li>) 中的a-元素）。如何使用正确的正则表达式进行解析？

我需要得到这个值的数组：

[
    "Керамическая плитка", 
    "Напольные покрытия"
]

基础 HTML（示例）：

<li><a href="/plitka/">Керамическая плитка</a></li> 
<li><a href="/napolnye-pokrytiya/">Напольные покрытия</a></li> 
<li><a href="/oboi/">Обои</a></li> 
<li><a href="/mebel-dlia-vannoi/">Мебель для ванной</a></li> 
<li><a href="/santehnika/">Сантехника</a></li>

非常感谢。非常感谢您的帮助！

【问题讨论】：

欢迎来到 Stack Overflow。请阅读如何提供Minimal, Complete, and Verifiable example 您还可以从How to ask 和What is expected of SO users 中受益

嗨，欢迎来到 Stack Overflow。您能否编辑您的问题以澄清一下。请包含您的相关 php 代码，并准确说明（如果代码没有）您正在解析的内容。另外请解释为什么 css 是相关的或删除该标签。谢谢。

您是否要获取每个<a> 标签的值？例如，“解析”<li><a href="/plitka/">Керамическая плитка</a></li> 会给你Керамическая плитка?

解析它们是为了什么？当涉及到您实际询问的内容时，您需要明确说明。

只是一个注释。如果需要解析 HTML，you shouldn't use regular expressions。请改用DOMDocument 之类的东西。

【参考方案1】：

解析器是您应该使用的工具，而不是正则表达式。像这样的：

<?php
$links = '<li><a href="/plitka/">Керамическая плитка</a></li> 
<li><a href="/napolnye-pokrytiya/">Напольные покрытия</a></li> 
<li><a href="/oboi/">Обои</a></li> 
<li><a href="/mebel-dlia-vannoi/">Мебель для ванной</a></li> 
<li><a href="/santehnika/">Сантехника</a></li>';
$dom = new domdocument();
$dom->loadhtml('<?xml encoding="utf-8" ?>' . $links);
$links = $dom->getelementsbytagname('a');
foreach($links as $link) 
    echo $link->nodeValue . PHP_EOL;

可以检索a 的节点值。如果路径更具体，请使用xpath。

https://3v4l.org/b1lKZ

【讨论】：

我不能使用解析器工具，它不在php中。所以我想为此目的编写正则表达式？我该怎么做？

@StephanGolubev 您使用的是什么 PHP 版本？ domdocument 应该在那里，php.net/manual/en/class.domdocument.php

抱歉，我会检查一下。

@user3783243 - DOMDocument 依赖于在许多系统上默认未安装/启用的 xml 扩展。例如，我认为您通常需要在 Ubuntu 上手动安装它。

@StephanGolubev - 为什么不能安装/启用 xml 扩展？你基本上是在说你不能使用正确的工具来完成这项工作。