使用PHP匹配特定的URL模式

Question

我正在嘗試讀取HTML文件並捕獲與特定URL模式匹配的所有定位標記，以便在另一頁上顯示這些鏈接。 該模式如下所示：

https://docs.google.com/file/d/aBunchOfLettersAndNumbers/edit?usp=drive_web

我對RegEx不滿意。 我已經嘗試了很多方法並在Stack Overflow上閱讀了一堆答案，但是我沒有找到正確的語法。

這是我現在所擁有的：

preg_match ('/<a href="https:\/\/docs.google.com\/file\/d\/(.*)<\/a>/', $file, $matches)

當我在具有兩個匹配的定位標記的HTML頁面上對此進行測試時，第一個結果包括第一個和第二個匹配項以及兩者之間的所有內容，而第二個結果包括第一個匹配項的一部分，第二個匹配項的一部分以及兩者之間的所有內容。

雖然我很樂意將匹配的錨定標記與內部HTML一起捕獲，但是如果我能夠使用每個匹配的錨定標記的HREF屬性以及匹配的內部HTML生成多維數組，我會更加高興（因此，我可以自己格式化鏈接，而不必使用更多的RegEx擺脫不必要的屬性）。 我會為此使用preg_match_all嗎？ 那會是什么樣？

我是否在這里正確的道路上，還是應該使用DOM和XPath查詢來找到這些東西？

謝謝。

Answer 1

哎呀，我不敢相信這里的每個答案都使用“ /”定界符。 如果您的模式中包含斜線，請使用其他名稱以提高可讀性。

這是一個更好的答案（如果您的錨可能具有href以外的其他屬性，則可能需要進行調整）：

$hrefPattern = "(?P<href>https://docs\.google\.com/file/d/[a-z0-9]+/edit\?usp=drive_web)";
$innerPattern = "(?P<inner>.*?)";
$anchorPattern = "<a href=\"$hrefPattern\">$innerPattern</a>";
preg_match_all("@$anchorPattern@i", $file, $matches);

這將為您提供以下信息：

[
    0 => ['<a href="https://docs.google.com/file/d/foo/edit?usp=drive_web"><span>More foo</span></a>'],
    "href" => ["https://docs.google.com/file/d/foo/edit?usp=drive_web"],
    "inner" => ["<span>More foo</span>"]
]

當然，您應該為此使用DOM。

Answer 2

用(.*?)替換(.*) -使用惰性量化：

preg_match('/<a href="https:\/\/docs.google.com\/file\/d\/(.*?)<\/a>/', $file, $matches);

Answer 3

戴夫

DOM會更好。 但是這是有效的正則表達式。

$url = 'href="https://docs.google.com/file/d/aBunchOfLettersAndNumbers/edit?usp=drive_web"';

preg_match ('/href="https:\/\/docs.google.com\/file\/d\/(.*?)"/', $url, $matches);

結果：

array (size=2)
    0 => string 'href="https://docs.google.com/file/d/aBunchOfLettersAndNumbers/edit?usp=drive_web"' (length=82)
    1 => string 'aBunchOfLettersAndNumbers/edit?usp=drive_web' (length=44)

您可以使用html標記，但是最重要的是，在您的問題中，preg_match行中的代碼不包含將開始標記扔掉的開始標記的結尾>，並且需要使用（。 ？）而不是（。 ）。 。 增加了嗎？ 告訴它尋找數量未知的任何字符。 （。*）表示我相信的任何一個字符。

Answer 4

您可以使用以下正則表達式：

/<a.*?href="(https:\/\/docs\.google\.com\/file\/d\/.*?)".*?>(.*?)<\/a>/

這將為您提供來自href和innerHTML的URL。

分解

<a.*?href="匹配開頭a標簽和所有字符，直到href="

(https:\\/\\/docs\\.google\\.com\\/file\\/d\\/.*?)"匹配（並捕獲）直到href結束（即直到"

.*?>匹配所有字符，以結束a標簽>

(.*?)<\\/a>件（和捕獲）的innerHTML ，直到關閉a標簽（即</a> ）。