PHP从字符串获取所有URL
因此,我尝试从一个字符串中获取所有URL,脚本如下所示:PHP从字符串获取所有URL,php,preg-match-all,Php,Preg Match All,因此,我尝试从一个字符串中获取所有URL,脚本如下所示: $file = file_get_contents('something.txt'); function getUrls($string) { preg_match_all('~href=("|\')(.*?)\1~', $string, $out); print_r($out); } getUrls($file); Array ( [0] => Array (
$file = file_get_contents('something.txt');
function getUrls($string) {
preg_match_all('~href=("|\')(.*?)\1~', $string, $out);
print_r($out);
}
getUrls($file);
Array
(
[0] => Array
(
[0] => href="#A"
[1] => href="#B"
[2] => href="#C"
)
[1] => Array
(
[0] => "
[1] => "
[2] => "
)
[2] => Array
(
[0] => #A
[1] => #B
[2] => #C
)
)
本文档中包含的URL可能不完善,即“/blah/blah.asp?2”。问题是,当我运行此脚本时,我会得到一个如下所示的数组:
$file = file_get_contents('something.txt');
function getUrls($string) {
preg_match_all('~href=("|\')(.*?)\1~', $string, $out);
print_r($out);
}
getUrls($file);
Array
(
[0] => Array
(
[0] => href="#A"
[1] => href="#B"
[2] => href="#C"
)
[1] => Array
(
[0] => "
[1] => "
[2] => "
)
[2] => Array
(
[0] => #A
[1] => #B
[2] => #C
)
)
知道这里会发生什么吗?我不知道为什么它会返回带有散列符号的字母列表,而不是所需的URL。我怎样才能直接返回URL呢 邪恶之路:
$file = file_get_contents('something.txt');
function displayUrls($string) {
$pattern = '~\bhref\s*+=\s*+["\']?+\K(?!#)[^\s"\'>]++~';
preg_match_all($pattern, $string, $out);
print_r($out[0]);
}
displayUrls($file);
好办法是:
$doc = new DOMDocument();
@$doc->loadHTMLFile('something.txt');
$links = $doc->getElementsByTagName('a');
foreach($links as $link) {
$href = $link->getAttribute('href');
if ($href[0] != '#') $result[] = $href;
}
print_r($result);
有数百个这样的问题,我已经通过他们,大多是他们解决的情况下涉及完美的网址,如http://www.example.com,而不是缩短我要找的。我已经尝试了很多解决方案-没有骰子。打印内容的东西。txt+1,我喜欢这样的答案。。。这个答案就像一块罗塞塔石头,帮助我们找到更好的方法。哇,是的,这是一个很棒的答案。我希望我能投两次赞成票。