PHP正则表达式从html中提取<a>

Question

我正在尝试从 HTML 中提取与特定模式匹配的标签。目前我使用：

$regexp = "<a\s[^>]*href=(\"??)([^\" >]*?[^\" >]*?)\\1[^>]*>(.*)<\/a>";
if(preg_match_all("/$regexp/siU", $html, $matches, PREG_SET_ORDER)) {...}

正确获取所有元素，但是我希望第 3 组 (.*)（链接的文本）包含文本“查找门票”，但我所有合并文本的尝试都没有奏效。此外，html 内部的链接元素可以包含的内容不止“查找票证”——也就是说，它应该匹配 .*Find Tickets.*

任何人都可以在这里帮助我吗？我一直无能为力。

更新： 我试图抓取的特定元素的示例：

<a href="https://www.facebook.com/l.php?u=https%3A%2F%2Fthelittleboxoffice.com%2Fheritagehotel%2Fevent%2Fview%2F22847&amp;h=RAQFYdp-K&amp;s=1" target="_blank" rel="nofollow" onmouseover="LinkshimAsyncLink.swap(this, &quot;https:\\/\\/thelittleboxoffice.com\\/heritagehotel\\/event\\/view\\/22847&quot;);" onclick="LinkshimAsyncLink.swap(this, &quot;https:\\/\\/www.facebook.com\\/l.php?u=https\\u00253A\\u00252F\\u00252Fthelittleboxoffice.com\\u00252Fheritagehotel\\u00252Fevent\\u00252Fview\\u00252F22847&amp;h=RAQFYdp-K&amp;s=1&quot;);"><div id="u_0_p">Find Tickets</div></a><

谢谢 乔什

Answer 1

为作业使用正确的tool，而不是正则表达式。

$doc = new DOMDocument;
@$doc->loadHTML($html); // load the HTML data

$links = $xpath->query('//a[contains(., "Find Tickets")]');

foreach ($links as $link) {
   $results[] = $link->getAttribute('href');
}

print_r($results);

eval.in

Answer 2

我仍然有点难以理解您到底在追求什么。不过，这是我最好的尝试。

<?php

$string = '<a href="https://www.facebook.com/l.php?u=https%3A%2F%2Fthelittleboxoffice.com%2Fheritagehotel%2Fevent%2Fview%2F22847&amp;h=RAQFYdp-K&amp;s=1" target="_blank" rel="nofollow" onmouseover="LinkshimAsyncLink.swap(this, &quot;https:\\/\\/thelittleboxoffice.com\\/heritagehotel\\/event\\/view\\/22847&quot;);" onclick="LinkshimAsyncLink.swap(this, &quot;https:\\/\\/www.facebook.com\\/l.php?u=https\\u00253A\\u00252F\\u00252Fthelittleboxoffice.com\\u00252Fheritagehotel\\u00252Fevent\\u00252Fview\\u00252F22847&amp;h=RAQFYdp-K&amp;s=1&quot;);"><div id="u_0_p">Find Tickets</div></a><';



if (preg_match('~(<a href(.*?)Find Tickets(.*?)</a>)~i', $string, $matches)) {
    print "<PRE><FONT COLOR=ORANGE>"; print_r($matches); print "</FONT></PRE>";
}

我在这里真正要做的就是寻找一个以<a href 开头的字符串，然后是一个字符串，直到它到达Find Tickets，可能还有更多的东西，直到它到达结尾的</a>。

这是一个非常通用的正则表达式，但如果您正在寻找更具体的东西，您可以以此为基础。

编辑：

好的，所以从您的评论来看，我想我对您正在寻找的东西有了更好的了解。这是一个更新的正则表达式，它将提取链接文本与 Find Tickets 匹配的链接的 URL。

<?php

$string = '
<a href="http://www.google.com" style="color: blue;">Google</a>

<a href="https://www.facebook.com/l.php?u=https%3A%2F%2Fthelittleboxoffice.com%2Fheritagehotel%2Fevent%2Fview%2F22847&amp;h=RAQFYdp-K&amp;s=1" target="_blank" rel="nofollow" onmouseover="LinkshimAsyncLink.swap(this, &quot;https:\\/\\/thelittleboxoffice.com\\/heritagehotel\\/event\\/view\\/22847&quot;);" onclick="LinkshimAsyncLink.swap(this, &quot;https:\\/\\/www.facebook.com\\/l.php?u=https\\u00253A\\u00252F\\u00252Fthelittleboxoffice.com\\u00252Fheritagehotel\\u00252Fevent\\u00252Fview\\u00252F22847&amp;h=RAQFYdp-K&amp;s=1&quot;);"><div id="u_0_p">Find Tickets</div></a>

<a href="http://www.yahoo.com">Yahoo</a>';

if (preg_match('~<a href="(.*?)"(?:.*?)(?:(?=Find Tickets))(?:.*?)</a>~i', $string, $matches)) {
    print "<PRE><FONT COLOR=ORANGE>"; print_r($matches); print "</FONT></PRE>";
}

这就是这个表达式的作用：

• (.*?) - 这是实际捕获 URL 并将其存储到 $matches[1] 中的部分。
• (?:.*?) - 这允许任何东西在 URL 之后直到它到达下一部分（前瞻）。由于我们实际上并不需要这些信息，?: 告诉 REGEX 不要记住它找到的内容。
• (?:(?=Find Tickets)) - 这是一个积极的前瞻，意思是为了进行匹配，文本 Find Tickets 必须 出现在下一个。与上一项一样，我们使用?: 告诉它实际上不需要记住匹配项。如果文本匹配诸如“不查找门票”之类的内容 - (?=>Find Tickets<)，您可能可以在文本周围包含 html 括号以进一步锁定它。
• (?:.*?) - 最后一部分与前面的相同，只匹配到结束 </a> 标记之前的任何内容。

从上面的$string，这会给你这个：

Array
(
    [0] => <a href="https://www.facebook.com/l.php?u=https%3A%2F%2Fthelittleboxoffice.com%2Fheritagehotel%2Fevent%2Fview%2F22847&amp;h=RAQFYdp-K&amp;s=1" target="_blank" rel="nofollow" onmouseover="LinkshimAsyncLink.swap(this, &quot;https:\/\/thelittleboxoffice.com\/heritagehotel\/event\/view\/22847&quot;);" onclick="LinkshimAsyncLink.swap(this, &quot;https:\/\/www.facebook.com\/l.php?u=https\u00253A\u00252F\u00252Fthelittleboxoffice.com\u00252Fheritagehotel\u00252Fevent\u00252Fview\u00252F22847&amp;h=RAQFYdp-K&amp;s=1&quot;);"><div id="u_0_p">Find Tickets</div></a>
    [1] => https://www.facebook.com/l.php?u=https%3A%2F%2Fthelittleboxoffice.com%2Fheritagehotel%2Fevent%2Fview%2F22847&amp;h=RAQFYdp-K&amp;s=1
)

$matches[1] 包含 URL。

希望它能为您实现目标！