Preg_match_all

Question

مرحبا أريد أن استخراج الروابط <a href="/portal/clients/show/entityId/2121" > وأريد regex والتي المشروع me /portal/العملاء/إظهار/entityId/2121 عدد في الماضي 2121 في روابط أخرى مختلفة أي فكرة ؟

Answer 1

التعابير المنطقية لتحليل الروابط هو شيء من هذا القبيل:

'/<a\s+(?:[^"'>]+|"[^"]*"|'[^']*')*href=("[^"]+"|'[^']+'|[^<>\s]+)/i'

بالنظر إلى مدى فظاعة ذلك ، أود أن أوصي باستخدام HTML بسيطة دوم للحصول على روابط على الأقل.يمكنك التحقق من الارتباطات باستخدام بعض أساسية جدا regex على الرابط href.

Answer 2

بسيطة php html dom المحلل مثال:

// Create DOM from string
$html = str_get_html($links);

//or
$html = file_get_html('www.example.com');

foreach($html->find('a') as $link) {
    echo $link->href . '<br />';
}

Answer 3

لا تستخدم التعبيرات العادية ل Proccessing XML / HTML. وبعد يمكن القيام بذلك بسهولة باستخدام المدمجة محلل دوم:

$doc = new DOMDocument();
$doc->loadHTML($htmlAsString);
$xpath = new DOMXPath($doc);
$nodeList = $xpath->query('//a/@href');
for ($i = 0; $i < $nodeList->length; $i++) {
    # Xpath query for attributes gives a NodeList containing DOMAttr objects.
    # http://php.net/manual/en/class.domattr.php
    echo $nodeList->item($i)->value . "<br/>\n";
}

Answer 4

عندما "تحليل" HTML أعتمد في الغالب على phpquery: http://code.google.com/p/phpquery/ بدلا ثم regex.

Answer 5

هذا هو الحل الخاص بي:

<?php
// get links
$website = file_get_contents("http://www.example.com"); // download contents of www.example.com
preg_match_all("<a href=\x22(.+?)\x22>", $website, $matches); // save all links \x22 = "

// delete redundant parts
$matches = str_replace("a href=", "", $matches); // remove a href=
$matches = str_replace("\"", "", $matches); // remove "

// output all matches
print_r($matches[1]);
?>

أوصي بتجنب استخدام المحللين المستندة إلى XML، لأنك لن تعرف دائما، ما إذا كان المستند / موقع الويب قد تم تشكيله جيدا.

مع أطيب التحيات

Answer 6

يمكن إجراء التقشير الروابط من HTML باستخدام محلل HTML.

عندما يكون لديك جميع الروابط، احصل بسيطة على مؤشر الخط الأخير الأمامي، ولديك رقمك. لا حاجة regex.