正则表达式锚标记答案

【问题标题】：regular expression anchor tag正则表达式锚标记
【发布时间】：2010-07-29 18:20:55
【问题描述】：

我正在使用 php，但在使用文本解析来自锚标记的 href 时遇到问题。

示例：具有测试http://www.test.com的锚标记

喜欢这个<a href="http://www.test.com" title="test">http://www.test.com</a>

我想匹配锚标记中的所有文本

提前致谢。

【问题讨论】：

你能展示你尝试了什么吗？
stackoverflow.com/questions/1732348/…: 不要用正则表达式解析 HTML。
两个问题，第一个：你要匹配test还是h ttp://www.test.com？第二：你想匹配它<a href=" here? "> or here? </a>吗？

标签： php regex preg-match-all

【解决方案1】：

使用DOM:

$text = '<a href="http://www.test.com" title="test">http://www.test.com</a> something else hello world';
$dom = new DOMDocument();
$dom->loadHTML($text);

foreach ($dom->getElementsByTagName('a') as $a) {
    echo $a->textContent;
}

DOM 专门用于解析 XML 和 HTML。它比您想出的任何正则表达式解决方案都更强大。

【讨论】：

并不是说你的做法有什么“错误”，你为什么不直接使用DomElement::getElementsByTagName() 而不是XPath 查询呢？对于那个简单的路径，它应该更有效......

【解决方案2】：

假设您希望选择带有该 href 的锚链接的链接文本，那么这样的事情应该可以工作...

$input = '<a href="http://www.test.com" title="test">http://www.test.com</a>';
$pattern = '#<a href="http://www\.test\.com"[^>]*>(.*?)</a>#';

if (preg_match($pattern, $input, $out)) {
    echo $out[1];
}

这在技术上并不完美（理论上 > 可能会在其中一个标签中使用），但可以在 99% 的情况下使用。不过，正如一些 cmets 所提到的，您应该使用 DOM。

【讨论】：

【解决方案3】：

如果你已经获得了锚标签，你可以很容易地通过正则表达式提取 href 属性：

]*href="([^"])"[^>]*>

如果您想提取标签的内容并且您知道自己在做什么，那么使用级联正则表达式编写一个简单的递归下降解析器并不难，它将解析除最病态之外的所有情况。不幸的是，PHP 不是学习如何做到这一点的好语言，所以我不建议使用这个项目来学习如何做。

因此，如果您追求的是内容，而不是属性，那么@katrielalex 是正确的：不要使用正则表达式解析 HTML。嵌套格式标签和其他与正则表达式不兼容的合法 HTML 会让您陷入困境。

【讨论】：