如何从php中的URL块中提取信息？

Question

我有一个网址列表，可以以任何格式输入。 每行一个，用逗号分隔，中间有随机文本，依此类推。URL都来自两个不同的站点，并且结构相似

对于此示例，可以说它看起来像这样

Random Text - http://www.domain2.com/variable-value
Random Text 2 - http://www.domain1.com/variable-value, http://www.domain1.com/variable-value, http://www.domain1.com/variable-value

http://www.domain1.com/variable-value
http://www.domain2.com/variable-value
http://www.domain1.com/variable-value http://www.domain2.com/variable-value http://www.domain1.com/variable-value

我需要提取2条信息。 检查其domain1或domain2以及“ variable-”后面的值

因此，它应该创建一个多维数组，其中将包含2个项目：域+值。

最好的方法是什么？

Answer 1

这是提取URL的可能性。 唯一的问题是网址本身可能不包含逗号。 所以如果足够...

$lines = explode('\n', $urls);

for($i = 0; $i < sizeof($lines); $i++)
{
    if(preg_match_all("http:\\/\\/[^,]*variable-([^,]+)", $lines[$i], $matches))
    {

    }
}

顺便说一下...匹配项存储在$matches数组中。

PS：已编辑...我忘了转义反斜线，您应该在字符串行中搜索行以确保行为正确...在http://www.regex-tester.de/regex.html上测试正则表达式。 。刚用我的正则表达式解决了。

PPS：经过进一步研究，我找到了以下页面： http : //internet.ls-la.net/folklore/url-regexpr.html 。 它包含网址的正则表达式。 您可以使用它首先提取URL，然后在第二步中浏览URL并提取变量信息以查找例如variable-([\\W]+) 。

Answer 2

preg_split ， preg_match ， parse_url

// split urls
$urls = preg_split('!,\s+!', 'http://www.domain1.com/variable-value, http://www.domain2.com/variable-value, http://www.domain3.com/variable-value');

// check for domain and path variable
foreach ($urls as $url) {

    $parts = parse_url($url);
    // check domain: $parts['host'];
    $matches = array();
    // check path: preg_match('!^/variable-([^/]+)!', $parts['path'], $matches)
}

Answer 3

$text = "http://www.domain1.com/variable-value1, http://www.domain2.com/variable-value2 http://www.domain1.com/variable-value3";
preg_match_all("/http:\\/\\/(.+?)\\/variable-([a-z0-9]+)/si", $text, $matches);
print_r($matches);

结果：

Array
(
    [0] => Array
        (
            [0] => http://www.domain1.com/variable-value1
            [1] => http://www.domain2.com/variable-value2
            [2] => http://www.domain1.com/variable-value3
        )

    [1] => Array
        (
            [0] => www.domain1.com
            [1] => www.domain2.com
            [2] => www.domain1.com
        )

    [2] => Array
        (
            [0] => value1
            [1] => value2
            [2] => value3
        )

)