仅当锚的 URL 包含答案

【问题标题】：Strip anchors down to their contents, only if the anchor's URL contains仅当锚的 URL 包含
【发布时间】：2010-03-12 07:25:20
【问题描述】：

有没有人知道 PHP 中有一个正则表达式函数来去除其内容的锚点，只有当锚点的 href 属性包含特定文本时？

例如，我有一个 HTML 页面，整个页面都有链接。但我只想删除 URL 中包含“yahoo”的锚点。所以<a href="http://pages.yahoo.com/page1">Example page</a> 将变为：示例，而 HTML 中不包含“yahoo”的其他锚点将被单独保留。

【问题讨论】：

对不起托尼，会变成什么？

标签： php html regex tags anchor

【解决方案1】：

首先，这不是正则表达式问题（或者至少不应该是）。 PHP 带有一个 HTML 解析器，所以我强烈推荐使用它。

当您使用它时，您只需遍历所有锚标记，检查 href 属性并在必要时进行修改，然后将其保存回 HTML。例如：

$dom = new DOMDocument;
$dom->loadHTML($html); // $html as a string
$anchors = $dom->getElementsByTagName('a');
for ($i=0; i<$anchors->length; $i++) {
  $item = $anchors->item[$i];
  $href = $item->getAttribute('href');
  $host = parse_url($href, PHP_URL_HOST);
  if (stripos($host, 'yahoo') !== false) {
    $item->parentNode->removeChild($item);
  }
}
$html = $dom->saveHTML();

在此处使用parse_url() 是可选的。您可以简单地检查属性值是否在其中的任何位置包含“yahoo”，而无需仅提取主机名。

这显着比针对同一问题的任何基于正则表达式的解决方案更好、更健壮。

【讨论】：

-1|如果他要永久更改文件，他最好使用功能强大的编辑器来完成这项工作。
好的，您的解决方案看起来不错，但还有 2 个问题。至于性能和内存使用，与正则表达式解决方案相比，它的效率如何？似乎这个选项会有更多的开销。另外，我还没有对此进行测试，但是在您的示例中，您似乎只是在修改锚的 href 属性，而不是剥离其标签的锚。我仍然不知道正则表达式是什么，但我认为 preg_replace 可以解决问题。
@Tony 如果您将此作为渲染页面的一部分，那么网络延迟可能是一个更大的工厂，除非您在非常大的文档上执行此操作。内存使用基本上是文档大小的线性函数，处理时间也是如此，因此可以很好地扩展。如果您陷入过多的回溯场景，正则表达式可能会更加不可预测。
@Tony 也更改为删除该元素。
感谢 cletus，但我仍然认为您没有正确阅读问题。我只想剥离标签并保留锚的内容，前提是href包含雅虎。这是另一个例子：<a href="http://books.yahoo.com">This Text</a> -> This Text

【解决方案2】：

试试这个功能。

public function stripAnchorTags($html, $ignore_host = false, $charset="UTF-8"){
        $dom = new DOMDocument;
        $dom->loadHTML('<?xml version="1.0" encoding="'.$charset.'"?>'.$html); // $html as a string
        $anchors = $dom->getElementsByTagName('a');
        $length = $anchors->length;
        for($i=0; $i<$length; $i++){
            $item = $anchors->item(0);
            $href = $item->getAttribute('href');
            $host = parse_url($href, PHP_URL_HOST);
            if(!$ignore_host || stripos($host, $ignore_host) === false) {
                $item->parentNode->replaceChild($dom->createTextNode($href),$item);
            }
        }
        return preg_replace('/^<!DOCTYPE.+?>/', '', str_replace( array('<html>', '</html>', '<body>', '</body>'), array('', '', '', ''), $dom->saveXML($dom->documentElement)));
    }

你可以像这样使用它 stripAnchorTags($html);

如果你想让它忽略雅虎链接，那么就这样称呼它 stripAnchorTags($html, "yahoo");

【讨论】：