preg_match以在錨點上提取mailto

Question

我需要從帶有regex的mailto屬性的錨中獲取電子郵件地址。

此模式： (.*)<a\\s(.*?)(.*)\\s*href\\=['"]mailto:([-a-z0-9_]+)@([a-z0-9-]+).([az]+)['"]>(.*)</a>(.*)

盡管它不適用於PHP，但可以在regex coach中工作。

碼：

preg_match("'(.*)<a (.*?)(.*) *href\=['\"]mailto:([-a-z0-9_]+)@([a-z0-9-]+).([a-z]+)['\"]>(.*)</a>(.*)'si", "<a href=\"mailto:someemail@ohio.com\"">Some email</a>", $matches);

print_r($matches);

那么為什么要在php中起作用呢？

Answer 1

PHP的PCRE要求將正則表達式包裝到分隔符中 ，以將模式與可選修飾符分開。 在這種情況下，將使用第一個非字母數字字符（即' ），因此模式實際上只是(.*)<a (.*?)(.*) *href\\=[ ，其余部分視為修飾符。 這是一個無效的正則表達式，因為[沒有正確地轉義，其余的都不是有效的修飾符。

正如其他人已經建議的那樣，您可以通過在正則表達式中轉義分隔符'任何出現來解決此問題，或者選擇一個不在正則表達式中出現的分隔符。

但是除此之外，嘗試使用正則表達式解析HTML非常容易出錯。 在這種情況下，使用那么多.*也會導致可怕的性能行為（這僅是由於正則表達式的處理方式所致）。

最好使用適當的HTML解析器來返回可以像PHP的DOM庫一樣查詢的DOM ：

$doc = new DomDocument();
$doc->loadHTML($str);
foreach ($doc->getElementsByTagName("a") as $a) {
    if ($a->hasAttribute("href")) {
        $href = trim($a->getAttribute("href"));
        if (strtolower(substr($href, 0, 7)) === 'mailto:') {
            $components = parse_url($href);
        }
    }
}

Answer 2

您的定界符是一個引號' ，並且在正則表達式中有一些實例：

preg_match("'(.*)<a (.*?)(.*) *href\=['\"]mailto:([-a-z0-9_]+)@([a-z0-9-]+).([a-z]+)['\"]>(.*)</a>(.*)'si", "<a href=\"mailto:someemail@ohio.com\"">Some email</a>", $matches);
                                      ^                                              ^

轉義它們（即： \\' ）或更改定界符。

Answer 3

if (preg_match('#<a\s.*?href=[\'"]mailto:([A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,6})[\'"].*?>.*?</a>#i', $subject, $regs)) {
    $result = $regs[0];
} else {
    $result = "";
}