看起来不像链接的链接答案

【问题标题】：Links that doesn't look like links看起来不像链接的链接
【发布时间】：2015-09-25 00:33:16
【问题描述】：

我有一些代码可以获取页面的所有链接，但有些代码获取的链接看起来不像链接。例如，索引 0-4 获得了名为“javascript:void(0)”的链接，而索引 5 获得了一个只有“/”的空白链接。我该如何解决？谢谢。

$content = file_get_contents("http://bestspace.co"); //get content of page

$links = "<a\s[^>]*href=(\"??)([^\" >]*?)\\1[^>]*>(.*)<\/a>"; //set regular expression to get links
preg_match_all("/$links/siU", $content, $matches); //get all links on page and store in array $matches[2]

print_r($matches[2]);

数组内容

Array ( 

[0] => javascript:void(0) 
[1] => javascript:void(0) 
[2] => javascript:void(0) 
[3] => javascript:void(0) 
[4] => javascript:void(0) 
[5] => / 
[6] => /bestdeals 
[7] => /about-us 
[8] => /why-choose-us 
[9] => /products 
[10] => https://cloud.bestspace.co/clientarea.php 

ect... );

【问题讨论】：

link 对你来说是什么？这些是hrefs 的值。您可以修改正则表达式，使href 的值以/ 或http 开头。第 10 个值是唯一一个我认为是链接的值。
您是否希望它仅返回完全限定的 URL？请澄清您所说的“链接”是什么意思
@JesseFulton 我会说 6-10 都是链接。
/ 是一个完全有效的href...将带您到站点的根目录。除了javascript:void() 之外的所有路径都是有效的网络路径
使用array_filter 删除以javacscript: 开头的所有条目。

标签： javascript php hyperlink web-crawler permalinks

【解决方案1】：

使用 array_filter 删除所有 Javascript 链接。

$links = array_filter($matches[2], function($x) {
    return substr($x, 0, 11) != 'javascript:';
});

【讨论】：

你的意思是！==。你忘了！