用正则表达式替换锚href值

Question

我试图通过在href值之前添加网站的网址来替换网页中锚元素的所有href值。

在您建议XML / HTML解析器之前，请知道我尝试了很多，但它们都做得很好，但是它们全部返回的HTML只是弄乱了我要解析的某些网站。 这可能与最初编写的损坏的html有关，但是由于我对此没有控制权，因此regex是唯一的方法。 所以我想出了这段代码：

$response = '<h2><a href="http://www.google.com/test">Link</a></h2>';
$pattern = "/(<a .*?href=\"|')([^\"'#]+)(.*?<\/a>)/i";
$response = preg_replace_callback($pattern, 'html_href',  $response);
function html_href($matches) {
    return  $matches[1] . "http://example.com/" . $matches[2] .  $matches[3];
}

它实际上将$response更改为：

<h2><a href="http://example.com/http://www.google.com/test">Link</a></h2>

那很棒。 但是后来我发现此正则表达式也与此匹配：

$response = "var href = $(this).attr('rel'); $(this).replaceWith('<a href=\"' + decodeURL(href) + '\"><span>' + anchor+ '</span></a>');";
$pattern = "/(<a .*?href=\"|')([^\"'#]+)(.*?<\/a>)/i";
$response = preg_replace_callback($pattern, 'html_href',  $response);
function html_href($matches) {
        return  $matches[1] . "http://example.com/" . $matches[2] .  $matches[3];
 }

$ response变成：

var href = $(this).attr('http://example.com/rel'); $(this).replaceWith('<a href="' + decodeURL(href) + '"><span>' + anchor+ '</span></a>');

我真的不明白，attr（）方法中的这个为什么被匹配和替换？ 这个正则表达式模式不是只匹配以<a开头的字符串部分吗？ 我想避免在javascript中匹配内容...

Answer 1

只是一些常用方法：

• 首选<a\\s+而不是<a␣

• 此后使用[^<>]*代替.*? 标签内属性跳过。 （这可能是它与其他地方的JavaScript完美匹配的主要原因。）

• 当您想允许"或'使用字符类[\\"\\'] ，就像在中间一样。

• 例如，将href =内容更严格地与([^<\\"\\'>]+)匹配。

• 然后确保随后出现另一个[\\"\\'] 。

• 并用[^<>]*>声明<a标签的[^<>]*> （这可能是导致与所需标签/链接不匹配的另一个主要原因）。

如果连贯地适合您输入的html，请再次使用[^<>]+作为链接文本。 提示：请尽可能以高大的/x表示法编写此类正则表达式模式。

Answer 2

尝试这个

的PHP

$re = "/(<a.*href=)[\"'](.*)[\"']/m";
$str = "<h2><a href=\"http://www.google.com/test\">Link</a></h2>2014-54-22 22:23";
$subst = "\1\"http://example.com/\2\"";

$result = preg_replace($re, $subst, $str);

现场演示