[英]How to extract id and url from an anchor tag in this code using PHP?
我正在尝试从锚标记中提取文本,url(href)和id。 到目前为止,我可以在锚标记之间获取文本。 这是我的代码
<html>
<head>
</head>
<body>
<?php
$html =<a href='https://www.google.lk/' id='21'>Google</a> <a>Solution</a>"
preg_match_all('@<(a)>(.+?)</\1>@is', $html, $matches);
foreach ($matches[2] as $text) {
print "Text: $text\n";
echo "<br>";
}
?>
</body>
</html>
这将产生以下结果。
文字:解决方案
这样,我只能在2个纯锚标记之间打印文本(不带任何参数)。 但是,当有诸如href和id之类的参数时,这将行不通。 我正在尝试修改上述代码以以下方式打印Text(在2个锚标记之间),URL(HREF)和id
文字:Google URL: https : //www.google.lk/ id:21
任何帮助将不胜感激。 谢谢
您的问题有点不清楚,因此,如果我理解正确,便可以轻松提取锚标记( <a>
)的内容,但是如果<a
标记包含href和id,则您认为它将无法正常工作。 另外,根据您的帖子标题,您还希望提取href
和id
属性的值,它们可能存在也可能不存在。 实际上,其中任何一个都可能丢失。
在这种情况下,您可以使用此正则表达式,
<(a)(?:\s+href=(['"])(?<href>[^'"]*)\2\s*)?(?:\s+id=(['"])(?<id>[^'"]*)\4\s*)?>(.+?)<\/\1>
说明:
<
->标记开始 (a)
->期望标记名称仅是“ a”,并通过在结尾处反向引用将其捕获到组1中以进行匹配 (?:\\s+href=(['"])(?<href>[^'"]*)\\2\\s*)?
->此部分匹配href
属性,并在href
命名组中捕获其值,该组是可选的 (?:id=(['"])(?<id>[^'"]*)\\4\\s*)?
->此部分匹配id
属性并捕获id
命名组中的值,这也是可选的 >
<a
标签的结尾 (.+?)
->捕获<a
标签内部文本 <\\/\\1>
->通过\\1
反向引用匹配<a
结束标记 这仍将匹配第1组引用,该引用将是上述正则表达式a
依据,并且还将捕获href
和id
属性的值,两者均为可选。
让我知道这是否是您想要的。 如有任何疑问,请告诉我。
编辑以使id / href为可选
找
<a(?=\\s|>)(?=(?:(?:[^>"']|"[^"]*"|'[^']*')*?\\shref\\s*=\\s*(?:(['"])([\\S\\s]*?)\\1))?)(?=(?:(?:[^>"']|"[^"]*"|'[^']*')*?\\sid\\s*=\\s*(?:(['"])([\\S\\s]*?)\\3))?)\\s*(?:"[\\S\\s]*?"|'[\\S\\s]*?'|[^>]*?)+>(.*?)</a\\s*>
更换
Text: $5 URL:$2 id:$4
https://regex101.com/r/SBgqqd/1
展开式
# Begin Anchor tag
< a
(?= \s | > )
(?= # Asserttion for optional: href (a pseudo atomic group)
(?:
(?: [^>"'] | " [^"]* " | ' [^']* ' )*?
\s href \s* = \s*
(?:
( ['"] ) # (1)
( [\S\s]*? ) # (2)
\1
)
)?
)
(?= # Asserttion for optional: id
(?:
(?: [^>"'] | " [^"]* " | ' [^']* ' )*?
\s id \s* = \s*
(?:
( ['"] ) # (3)
( [\S\s]*? ) # (4)
\3
)
)?
)
# Have the href and id, just match the rest of tag
\s*
(?: " [\S\s]*? " | ' [\S\s]*? ' | [^>]*? )+
> # End tag
( .*? ) # (5)
</a \s* >
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.