Регулярное выражение Javascript для извлечения текста привязки и URL-адреса из тегов привязки

Question

У меня есть абзац текста в переменной javascript под названием «input_content», и этот текст содержит несколько тегов/ссылок привязки.Я хотел бы сопоставить все теги привязки, извлечь текст привязки и URL-адрес и поместить их в массив, подобный (или похожий) на этот:

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
        )
)

Я это попробовал (http://pastie.org/339755), но я в тупике.Спасибо за помощь!

Answer 1

var matches = [];

input_content.replace(/[^<]*(<a href="([^"]+)">([^<]+)<\/a>)/g, function () {
    matches.push(Array.prototype.slice.call(arguments, 1, 4))
});

Это предполагает, что ваши якоря всегда будут в форме <a href="...">...</a> то естьэто не будет работать, если есть какие-либо другие атрибуты (например, target).Регулярное выражение можно улучшить, чтобы учесть это.

Чтобы разбить регулярное выражение:

/ -> 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

Каждый вызов нашей анонимной функции будет получать три токена в качестве второго, третьего и четвертого аргументов, а именно: аргументы[1], аргументы[2], аргументы[3]:

• аргументы[1] — это весь якорь
• аргументы[2] — это часть href
• аргументы[3] — это текст внутри

Мы воспользуемся хаком, чтобы поместить эти три аргумента в виде нового массива в наш основной массив. matches множество.А arguments встроенная переменная не является настоящим массивом JavaScript, поэтому нам придется применить split Метод Array для извлечения нужных нам элементов:

Array.prototype.slice.call(arguments, 1, 4)

Это позволит извлечь элементы из arguments начиная с индекса 1 и заканчивая (не включительно) индексом 4.

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"));

Дает:

<a href="http://yahoo.com">Yahoo</a>,http://yahoo.com,Yahoo
<a href="http://google.com">Google</a>,http://google.com,Google

Answer 2

Поскольку вы предположительно запускаете JavaScript в веб-браузере, регулярное выражение кажется плохой идеей для этого.Если абзац изначально пришел со страницы, получите дескриптор контейнера, вызовите .getElementsByTagName() чтобы получить привязки, а затем таким образом извлечь нужные значения.

Если это невозможно, создайте новый объект элемента html, назначьте свой текст его свойству .innerHTML, а затем вызовите .getElementsByTagName().

Answer 3

Я думаю, что Джоэл прав: регулярные выражения печально известны своей плохой работой с разметкой, поскольку существует слишком много возможностей, которые нужно учитывать.Существуют ли другие атрибуты тегов привязки?В каком порядке они находятся?Всегда ли разделительный пробел представляет собой один пробел?Поскольку у вас уже есть HTML-код браузера парсер доступно, лучше всего использовать это вместо этого.

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;
}

Это вернет массив, подобный тому, который вы описываете, независимо от того, как хранятся ссылки.Обратите внимание, что вы можете изменить функцию для работы с переданным элементом вместо текста, изменив имя параметра на «контейнер» и удалив первые две строки.Свойство textContent/innerText получает текст, отображаемый для ссылки, без всякой разметки (жирный/курсив/шрифт/…).Вы можете заменить .textContent на .innerHTML и удалить внутренний оператор if(), если хотите сохранить разметку.

Answer 4

Я думаю JQuery будет лучшим выбором.Это не лучший сценарий, и я уверен, что другие могут предложить что-то лучше.Но это создает массив именно того, что вы ищете.

<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>

Answer 5

Чтобы извлечь URL-адрес:

вар шаблон = /.href="(.)".*/;var url = string.replace(шаблон, '$1');

Демо:

//var string = '<a id="btn" target="_blank" class="button" href="https://yourdomainame.com:4089?param=751&amp;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)

Для «текста привязки» почему бы не использовать:link.innerHtml

Answer 6

В пользу поисковиков:Я создал что-то, что будет работать с дополнительными атрибутами в теге привязки.Для тех, кто не знаком с Regex, значения в долларах (1 доллар и т. д.) соответствуют группам регулярных выражений.

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);

Смотрите работу jsFiddle и регулярное выражение101.

Альтернативно, вы можете получить информацию из групп следующим образом:

var returnText = text.replace(urlPattern, function(fullText, beforeLink, anchorContent, href, lnkUrl, linkText, endAnchor){
                    return "The bits you want e.g. linkText";
                });