Php 正则表达式解析包含特定单词的链接
更进一步，有人能告诉我这两个正则表达式之间的区别吗？它们似乎都完成了相同的任务：从html中提取链接 表达1：Php 正则表达式解析包含特定单词的链接,php,regex,parsing,Php,Regex,Parsing,更进一步，有人能告诉我这两个正则表达式之间的区别吗？它们似乎都完成了相同的任务：从html中提取链接 表达1： '/(https?://)?(www.)?([a-zA-Z0-9_%]*)\b.[a-z]{2,4}(.[a-z]{2})?((/[a-zA-Z0-9_%])+)?(.[a-z])?/' 表达2： '/<a.*?href\s*=\s*["\']([^"\']+)[^>]*>.*?<\/a>/si' 哪一个更好用？我如何修改其中一个表达式，使之只匹配包含
'/(https?://)?(www.)?([a-zA-Z0-9_%]*)\b.[a-z]{2,4}(.[a-z]{2})?((/[a-zA-Z0-9_%])+)?(.[a-z])?/'
'/<a.*?href\s*=\s*["\']([^"\']+)[^>]*>.*?<\/a>/si'
谢谢。在大多数情况下，我强烈建议使用HTML解析器来获取这些链接。使用正则表达式解析HTML是有问题的，因为HTML不是正则的，并且您将没有考虑边缘情况的情况。
有关更多信息，请参阅。在大多数情况下，我强烈建议使用HTML解析器，如获取这些链接。使用正则表达式解析HTML是有问题的，因为HTML不是正则的，并且您将没有考虑边缘情况的情况。
请参阅以获取更多信息。简单一看，第一个是垃圾，但似乎试图将链接匹配为文本，第二个是匹配html元素。简单一看，第一个是垃圾，但似乎试图将链接匹配为文本，第二个是匹配html元素。区别在于表达式1根据规范查找有效的完整URI。因此，您可以获得代码中某个地方的所有完整URL。这实际上与获取所有链接无关，因为它与经常使用的相对url不匹配，而且它获取每个url，而不仅仅是链接目标的url 第二个查找标记并获取href属性的内容。因此，这一个将得到你的每一个环节。除了该表达式中的一个错误*，使用它是非常安全的，并且它可以很好地获得每个链接–它检查可能出现的足够多的差异，例如空格或其他属性 *但是，该表达式中有一个错误，因为它没有查找href属性的结束引号，您应该添加它，否则可能会匹配奇怪的内容：
/<a.*?href\s*=\s*["\']([^"\'>]+)["\'][^>]*>.*?<\/a>/si
/<a.*?href\s*=\s*["\']([^"\'>]+)["\'][^>]*>.*?word.*?<\/a>/si
区别在于表达式1根据规范查找有效的完整URI。因此，您可以获得代码中某个地方的所有完整URL。这实际上与获取所有链接无关，因为它与经常使用的相对url不匹配，而且它获取每个url，而不仅仅是链接目标的url 第二个查找标记并获取href属性的内容。因此，这一个将得到你的每一个环节。除了该表达式中的一个错误*，使用它是非常安全的，并且它可以很好地获得每个链接–它检查可能出现的足够多的差异，例如空格或其他属性 *但是，该表达式中有一个错误，因为它没有查找href属性的结束引号，您应该添加它，否则可能会匹配奇怪的内容：
/<a.*?href\s*=\s*["\']([^"\'>]+)["\'][^>]*>.*?<\/a>/si
/<a.*?href\s*=\s*["\']([^"\'>]+)["\'][^>]*>.*?word.*?<\/a>/si
从第一个开始匹配我不同意，匹配一个格式良好的链接并不太困难，通过正则表达式进行匹配的开发时间只是解析器的一小部分。他甚至没有试图解析HTML，他在解析可能有链接的文本。我接受你的观点。实用主义，为了反映这一点，我修改了我的答案，他在上面说regexp是从HTML中提取一个链接。它是从Wordpress帖子的内容中提取的，所以它应该是HTML，对吗？但在这方面非常干净。使用正则表达式对我来说似乎很好，我只是想确定我使用的表达式会给我带来最好的结果。不过解析器很有趣，谢谢链接。在像您这样的封闭/已知情况下，regexp并不是不合理的。但是值得进一步研究解析器，我不知道为什么人们对使用真正的解析器如此缄默。这是正确处理HTML的唯一方法，并不十分困难。写一个解析器，当然，很难；用一个，琐碎的。提出一个正则表达式来处理链接语法的常见变体是非常困难的，在一般情况下是不可能的。你希望你正在抓取的页面上的链接格式始终保持不变吗？你不会被注释掉的链接或脚本块内容中的HTML所愚弄吗？链接元素被分割成多行？我不同意，匹配一个格式良好的链接并不太困难，而且通过正则表达式进行匹配的开发时间只是解析器的一小部分。他甚至没有试图解析HTML，他在解析可能有链接的文本。我接受你的观点。实用主义，为了反映这一点，我修改了我的答案，他在上面说regexp是从HTML中提取链接的。它是从Wordpress帖子的内容中提取的，所以应该是HTML，对吗？，
但是在这方面非常干净。使用正则表达式对我来说似乎很好，我只是想确定我使用的表达式会给我带来最好的结果。不过解析器很有趣，谢谢链接。在像您这样的封闭/已知情况下，regexp并不是不合理的。但是值得进一步研究解析器，我不知道为什么人们对使用真正的解析器如此缄默。这是正确处理HTML的唯一方法，并不十分困难。写一个解析器，当然，很难；用一个，琐碎的。提出一个正则表达式来处理链接语法的常见变体是非常困难的，在一般情况下是不可能的。你希望你正在抓取的页面上的链接格式始终保持不变吗？你不会被注释掉的链接或脚本块内容中的HTML所愚弄吗？链接元素分成多行？太棒了，谢谢你的解释。现在假设我想修改第二个表达式，以匹配链接中任何包含单词blue、red或green的链接，并忽略不包含这些单词的链接。有可能吗？就是这样。。最后一个问题，多个单词的语法是什么？功能如下：/]*[\'][^>]*>.*？/si搜索正则表达式是一场噩梦。再次感谢你。如果你想搭配红色或蓝色，就这样做：红色|蓝色；如果您不想匹配该部件本身，您也可以使用？：red | blue.hmm您是对的。我会把我的错误评论归咎于睡眠不足。删除评论。太棒了，谢谢你的解释。现在假设我想修改第二个表达式，以匹配链接中任何包含单词blue、red或green的链接，并忽略不包含这些单词的链接。有可能吗？就是这样。。最后一个问题，多个单词的语法是什么？功能如下：/]*[\'][^>]*>.*？/si搜索正则表达式是一场噩梦。再次感谢你。如果你想搭配红色或蓝色，就这样做：红色|蓝色；如果您不想匹配该部件本身，您也可以使用？：red | blue.hmm您是对的。我会把我的错误评论归咎于睡眠不足。删除注释。+1。我注意到标记语法突出显示本身被上述内容弄糊涂了，我敢打赌某个地方涉及到regexp！是的！SO的语法突出显示是一个非常复杂的正则表达式。即使它想在JS中包含一个完整的HTML解析器，它也不能真正正确地解析HTML或XML，因为它甚至不知道上面的代码块是HTML！因此，我们对它进行了一个很好的猜测，令人印象深刻的是，它做得很好，但它永远不会真正正确。但这没关系，因为这只是一些颜色，不是任何重要的东西。我注意到标记语法突出显示本身被上述内容弄糊涂了，我敢打赌某个地方涉及到regexp！是的！SO的语法突出显示是一个非常复杂的正则表达式。即使它想在JS中包含一个完整的HTML解析器，它也不能真正正确地解析HTML或XML，因为它甚至不知道上面的代码块是HTML！因此，我们对它进行了一个很好的猜测，令人印象深刻的是，它做得很好，但它永远不会真正正确。但这没关系，因为这只是一些颜色，不是任何重要的东西。
<a name="foo">anchor</a>
<a href="...">...</a>
<a href="a"></a >
<a href="b"></a>
<a href="a'b>c">
<a data-href="a" title="b>c" href="realhref">
<!-- <a href="notreallyalink"> -->