PHP Regex 使用捕获组匹配 HTML 代码
[英]PHP Regex to match HTML code using capturing group
问题描述
我一直试图在 PHP 中编写一个正则表达式，该表达式使用捕获组匹配 A HREF 标签。
我当前的代码如下所示：
$content = preg_replace_callback( '/<a[^>]*href=["|\\']([^"|\\']*)["|\\'][^>]*>([^<]*)<\\/a>/i', function($m) { ...
该代码非常适合这样的事情：
<a href="/go/bla" rel="sponsored noopener" target="_blank">Test link</a>
但是我有一些看起来像这样的 URL - 注意嵌套的<span></span> ：
<a href="/go/bla" rel="sponsored noopener" target="_blank"><span>Test link</span></a>
我的第二个捕获组匹配 ^< 这就是不匹配的原因。 我试图更改组以匹配任何 BUT 。 由于我缺乏正则表达式经验，这就是我失败的地方:)
任何正则表达式专家都可以指出我正确的方向吗？
2 个解决方案
解决方案1
2 已采纳 2020-02-18 21:39:51
这对于您的示例来说应该足够了
<a[^>]*href=["|\']([^"|\']*)["|\'][^>]*>(?:<[^>]+>)?([^<]*)(?:<[^>]+>)?<\/a>
添加(?:<[^>]+>)? 如果存在，将匹配额外的标签。
解决方案2
0 2020-02-19 16:41:54
当前的正则表达式应该可以帮助您：
<a[^>]*href=["|\']([^"|\']*)["|\'][^>]*>(?:<[^>]+>)*([^<]*)(?:</[^>]+>)*<\/a>
这将匹配您的示例以及此示例：
<a href="/go/bla" rel="sponsored noopener" target="_blank"><span><h1>Test link</h1></span></a>
然而这又如何呢？
<a href="/go/bla" rel="sponsored noopener" target="_blank"><span><h1>Test <span>link</span></h1></span></a>
不！ 这断了。 现在我们必须回过头来考虑标签内的标签，这些标签外的文本仍然匹配，我们必须将其分解更多。 在这个阶段，最好只是简单地获取所有a标签的列表，然后执行一些替换以在事后提取您需要的数据。
$matches = preg_match_callback('/<a[^>]*?href=(.*?")[^>]*?>(.*?)</a>/i', function($m) {
... more regexes
}
最好考虑使用一个库，该库允许您将 html 内容作为对象加载（很像浏览器）并使用 xpath 之类的东西查询您的结果。
在 PHP 中，您可以使用 DOM 和 XPath 来加载 html。 下面是一个例子。
$doc = new DOMDocument();
$html = <<<EOD
<html>
<body>
<a href="/go/bla" rel="sponsored noopener" target="_blank">Test link</a>
<a href="/go/bla" rel="sponsored noopener" target="_blank"><span>Test link</span></a>
<a href="/go/bla" rel="sponsored noopener" target="_blank"><span><h1>Test <span>link</span></h1></span></a>
</body>
</html>
EOD;
$doc->loadHTML($html);
$xpath = new DOMXpath($doc);
$query = $xpath->query('//a');
if (!is_null($query)) {
foreach ($query as $q) {
print $q->getAttribute('href') . ' - ';
print $q->nodeValue . "\n";
}
}
在Regex PHP中捕获重复的组
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.