抓取页面中的所有链接答案

【问题标题】：Grab all links from a page抓取页面中的所有链接
【发布时间】：2014-01-10 19:36:54
【问题描述】：

我想从页面中获取所有链接（href）。

这是我的实际代码：

preg_match_all('/href=.([^"\' ]+)/i', $content, $anchor);

但这仅抓取域和子域（如 name.name.ex 或 name.ex），但不抓取自定义 URL，如 name.ex/name/name.php。

谁能帮忙解决正则表达式？

【问题讨论】：

您可以列出所有域（即 .com、.org、.net 等），然后 preg_match_all 它们。这是所有 TLD 的 wiki en.wikipedia.org/wiki/List_of_Internet_top-level_domains

标签： php regex url preg-match-all

【解决方案1】：

试试这个正则表达式：

$pattern = "/href="([^\s"]+)/";
preg_match_all($pattern, $content, $matches);

if (count($matches[1]) {
  foreach($matches[1] as $match)
    echo $match . "<br />";
}

【讨论】：

【解决方案2】：

给你！

$string = "<a href='test.php/url' class=>test</a>testar <a href='test2.php/url2' class=>test</a>";
$pattern = "/<a(?:[^>]*)href=([^ ]*)(?:[^>]*)>/";

preg_match_all($pattern, $string, $matches);

foreach($matches[1] as $match){
    echo $match;
}

【讨论】：

【解决方案3】：

我建议不要为此使用正则表达式。我建议你使用DOM 来解析并得到你的结果。

以下是使用DOM 和XPath 的示例

$html = '<a href="name.ex/name/name.php">text</a>
         <a href="foo.com">foobar</a>';

$doc = new DOMDocument();
$doc->loadHTML($html); 

$xpath = new DOMXPath($doc);

foreach ($xpath->query('//a') as $link) {
   $links[] = $link->getAttribute('href');
}

print_r($links);

见Working demo

【讨论】：

【解决方案4】：

使用DOMDocument更方便：

$doc = new DOMDocument();
@$doc->loadHTML($html);

$linkNodes = $doc->getElementsByTagName('a');

foreach($linkNodes as $linkNode) {
    $urls[] = $linkNode->getAttribute('href');
}

print_r($urls);

【讨论】：