funzione preg_match per estrarre mailto sull'ancoraggio

Question

Ho bisogno di ottenere l'indirizzo e-mail da un ancoraggio con un mailto attributo con espressioni regolari.

questo schema: (.*)<a\s(.*?)(.*)\s*href\=['"]mailto:([-a-z0-9_]+)@([a-z0-9-]+).([a-z]+)['"]>(.*)</a>(.*)

Lavori in pullman regex se non lavorare con PHP.

Codice:

preg_match("'(.*)<a (.*?)(.*) *href\=['\"]mailto:([-a-z0-9_]+)@([a-z0-9-]+).([a-z]+)['\"]>(.*)</a>(.*)'si", "<a href=\"mailto:someemail@ohio.com\"">Some email</a>", $matches);

print_r($matches);

Allora perché doenst funzionare in php?

Answer 1

di PHP richiede l'espressione regolare per essere avvolto nel delimitatori che separano il modello da optional modificatori . In questo caso viene utilizzato il primo carattere non alfanumerico (cioè ') in modo che il modello è in realtà solo (.*)<a (.*?)(.*) *href\=[ e il resto sono trattati come modificatori. E questa è un'espressione regolare non valida come [ non è correttamente sfuggito e il resto non sono modificatori validi nessuno dei due.

Mentre gli altri hanno già suggerito, è possibile risolvere questo problema in fuga qualsiasi occorrenza del ' delimitatore all'interno della espressione regolare o scegliere un delimitatore diverso che non appare nelle espressioni regolari.

Ma oltre a questo, cercando di analizzare HTML con le espressioni regolari è molto soggetto ad errori. In caso utilizzando si che molti .* comporterà anche un comportamento orribile prestazioni (è solo a causa di come le espressioni regolari vengono elaborati).

Meglio utilizzare una corretta parser HTML che restituisce un DOM che può essere interrogato come biblioteca DOM di PHP:

$doc = new DomDocument();
$doc->loadHTML($str);
foreach ($doc->getElementsByTagName("a") as $a) {
    if ($a->hasAttribute("href")) {
        $href = trim($a->getAttribute("href"));
        if (strtolower(substr($href, 0, 7)) === 'mailto:') {
            $components = parse_url($href);
        }
    }
}

Answer 2

Il delimitatore è un ' citazione, e ci sono alcune istanze di esso nella regex:

preg_match("'(.*)<a (.*?)(.*) *href\=['\"]mailto:([-a-z0-9_]+)@([a-z0-9-]+).([a-z]+)['\"]>(.*)</a>(.*)'si", "<a href=\"mailto:someemail@ohio.com\"">Some email</a>", $matches);
                                      ^                                              ^

sfuggire loro (cioè .: \') o cambiare delimitatore.

Answer 3

if (preg_match('#<a\s.*?href=[\'"]mailto:([A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,6})[\'"].*?>.*?</a>#i', $subject, $regs)) {
    $result = $regs[0];
} else {
    $result = "";
}