javascript regex取锚文字和网址,从锚标签
-
21-08-2019 - |
题
我有一段文字在javascript变被称为'input_content'和,文本中包含多个锚标签/链接。我想到匹配的所有定位标记和取锚文字和网址,并把它变成一个阵列如(或类似于):
Array ( [0] => Array ( [0] => <a href="http://yahoo.com">Yahoo</a> [1] => http://yahoo.com [2] => Yahoo ) [1] => Array ( [0] => <a href="http://google.com">Google</a> [1] => http://google.com [2] => Google ) )
我已经采取了一个裂缝它(http://pastie.org/339755),但我难超越这一点。谢谢你的帮助!
解决方案
var matches = [];
input_content.replace(/[^<]*(<a href="([^"]+)">([^<]+)<\/a>)/g, function () {
matches.push(Array.prototype.slice.call(arguments, 1, 4))
});
这假设您的锚点始终采用以下形式 <a href="...">...</a>
IE。如果有任何其他属性(例如, target
)。可以改进正则表达式以适应这一点。
分解正则表达式:
/ -> start regular expression [^<]* -> skip all characters until the first < ( -> start capturing first token <a href=" -> capture first bit of anchor ( -> start capturing second token [^"]+ -> capture all characters until a " ) -> end capturing second token "> -> capture more of the anchor ( -> start capturing third token [^<]+ -> capture all characters until a < ) -> end capturing third token <\/a> -> capture last bit of anchor ) -> end capturing first token /g -> end regular expression, add global flag to match all anchors in string
每次调用我们的匿名函数都会收到三个标记作为第二个、第三个和第四个参数,即arguments[1]、arguments[2]、arguments[3]:
- argument[1] 是整个锚点
- argument[2] 是 href 部分
- argument[3] 是里面的文本
我们将使用 hack 将这三个参数作为新数组推送到我们的 main 中 matches
大批。这 arguments
内置变量不是真正的 JavaScript 数组,因此我们必须应用 split
其上的数组方法来提取我们想要的项目:
Array.prototype.slice.call(arguments, 1, 4)
这将从中提取项目 arguments
从索引 1 开始,到索引 4 结束(不包括)。
var input_content = "blah \
<a href=\"http://yahoo.com\">Yahoo</a> \
blah \
<a href=\"http://google.com\">Google</a> \
blah";
var matches = [];
input_content.replace(/[^<]*(<a href="([^"]+)">([^<]+)<\/a>)/g, function () {
matches.push(Array.prototype.slice.call(arguments, 1, 4));
});
alert(matches.join("\n"));
给出:
<a href="http://yahoo.com">Yahoo</a>,http://yahoo.com,Yahoo <a href="http://google.com">Google</a>,http://google.com,Google
其他提示
既然你大概在Web浏览器中运行的JavaScript,正则表达式似乎是这样一个坏主意。如果段落在首位的网页来了,得到一个句柄容器,请致电.getElementsByTagName()
获得锚,然后提取值你想要的方式。
如果这是不可能的,那么创建一个新的HTML元素对象,分配你的文字,它的.innerHTML属性,然后调用.getElementsByTagName()
。
我认为乔尔有它的右边 - 正则表达式是臭名昭著的使用标记打不好,因为有太多的可能性来考虑。是否有其他属性的锚标记?什么样的顺序是他们?是分离的空白总是一个单一的空间?看到你已经有一个浏览器的HTML 解析器可用,最好把那个去上班。
function getLinks(html) {
var container = document.createElement("p");
container.innerHTML = html;
var anchors = container.getElementsByTagName("a");
var list = [];
for (var i = 0; i < anchors.length; i++) {
var href = anchors[i].href;
var text = anchors[i].textContent;
if (text === undefined) text = anchors[i].innerText;
list.push(['<a href="' + href + '">' + text + '</a>', href, text];
}
return list;
}
这将返回像你描述不管链接是如何存储在一个阵列。请注意,你可以改变功能,通过改变参数名称为“容器”,并删除第两行与传递元件的作用,文本,而不是。该的textContent / innerText属性获取(粗体/斜体/ FONT / ...)的链接显示的文本,去掉任何标记。你可以用.innerHTML取代.textContent,如果你想保留的标记去掉内if()语句。
我觉得 JQuery的将是你最好的选择。这是不是最好的剧本,我相信其他人可以给出更好的东西。但是,这创造了你在寻找什么的数组。
<script type="text/javascript">
// From http://brandonaaron.net Thanks!
jQuery.fn.outerHTML = function() {
return $('<div>').append( this.eq(0).clone() ).html();
};
var items = new Array();
var i = 0;
$(document).ready(function(){
$("a").each(function(){
items[i] = {el:$(this).outerHTML(),href:this.href,text:this.text};
i++;
});
});
function showItems(){
alert(items);
}
</script>
要提取的网址:
变种图案= /.href="(.)".*/; VAR URL =与string.replace(图案, '$ 1');
演示:
//var string = '<a id="btn" target="_blank" class="button" href="https://yourdomainame.com:4089?param=751&2ndparam=2345">Buy Now</a>;'
//uncomment the above as an example of link.outerHTML
var string = link.outerHTML
var pattern = /.*href="(.*)".*/;
var href = string.replace(pattern,'$1');
alert(href)
有关“锚文本”,为什么不使用:
link.innerHtml
受益的搜索者:我创造的东西,将工作与其他属性在锚标签。对于那些不熟悉Regex,美元(1美元等等)的数值是regex组匹配。
var text = 'This is my <a target="_blank" href="www.google.co.uk">link</a> Text';
var urlPattern = /([^+>]*)[^<]*(<a [^>]*(href="([^>^\"]*)")[^>]*>)([^<]+)(<\/a>)/gi;
var output = text.replace(urlPattern, "$1___$2___$3___$4___$5___$6");
alert(output);
或者,可以获取信息的团体这样的:
var returnText = text.replace(urlPattern, function(fullText, beforeLink, anchorContent, href, lnkUrl, linkText, endAnchor){
return "The bits you want e.g. linkText";
});