preg_match 在锚点上提取 mailto

Question

我需要从带有正则表达式的 mailto 属性的锚点获取电子邮件地址。

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

在正则表达式教练中工作，尽管它不适用于 PHP。

代码：

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);

那么为什么它不能在 php 中工作呢？

Answer 1

您的分隔符是引用 '，并且在正则表达式中有一些实例：

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);
                                      ^                                              ^

转义它们（即：\'）或更改分隔符。

Answer 2

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 = "";
}

Answer 3

PHP’s PCRE 要求将正则表达式包装到delimiters 中，将模式与可选的modifiers 分开。在这种情况下，使用了第一个非字母数字字符（即'），因此模式实际上只是(.*)<a (.*?)(.*) *href\=[，其余的被视为修饰符。这是一个无效的正则表达式，因为 [ 没有正确转义，其余的也不是有效的修饰符。

正如其他人已经建议的那样，您可以通过转义正则表达式中出现的任何分隔符 ' 或选择未出现在正则表达式中的不同分隔符来解决此问题。

但除此之外，尝试使用正则表达式解析 HTML 很容易出错。在您的情况下，使用那么多 .* 也会导致可怕的性能行为（这只是由于正则表达式的处理方式）。

最好使用适当的 HTML 解析器，它返回一个可以像 PHP’s DOM library 一样查询的 DOM：

$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);
        }
    }
}