正则表达式，如何找出里面所有不包含标签IMG的A标签？答案

【问题标题】：Regular expression, how to find all A tags which do not contain tag IMG inside it?正则表达式，如何找出里面所有不包含标签IMG的A标签？
【发布时间】：2010-05-24 09:58:08
【问题描述】：

假设我们有这样的 HTML 代码。我们需要获取所有不包含img标签的<a href=""></a>标签。

<a href="http://domain1.com"><span>Here is link</span></a>
<a href="http://domain2.com" title="">Hello</a>
<a href="http://domain3.com" title=""><img src="" /></a>
<a href="http://domain4" title=""> I'm the image <img src="" /> yeah</a>

我正在使用这个正则表达式来查找所有 a 标签链接：

preg_match_all("!<a[^>]+href=\"?'?([^ \"'>]+)\"?'?[^>]*>(.*?)</a>!is", $content, $out);

我可以这样修改：

preg_match_all("!<a[^>]+href=\"?'?([^ \"'>]+)\"?'?[^>]*>([^<>]+?)</a>!is", $content, $out);

但我如何告诉它排除包含<img 子字符串的结果在<a href=""></a> 内？

【问题讨论】：

不要使用正则表达式解析 HTML :-)
我同意你的观点，但我仍然对使用正则表达式从结果中排除某些单词的方法感兴趣。

标签： php regex regex-negation

【解决方案1】：

您需要使用像Simple DOM parser 这样的HTML 解析器。你cannot parse HTML with regular expressions。

【讨论】：

【解决方案2】：

Dom 是要走的路，但为了感兴趣，这里是解决方案：

在正则表达式中排除某些匹配项的最简单方法是使用“否定前瞻”或“否定后瞻”。如果在字符串中的任何位置都找到否定表达式，则匹配失败。

例子：

^(?!.+<img.+)<a href=\"?\'?.+\"?\'?>.+</a>$

匹配：

<a href="http://domain1.com"><span>Here is link</span></a>
<a href="http://domain2.com" title="">Hello</a>

但不匹配：

<a href="http://domain3.com" title=""><img src="" /></a>
<a href="http://domain4" title=""> I'm the image <img src="" /> yeah</a>

负向前看是字符串的这一部分：

(?!.+<img.+)

这表示不匹配任何字符后跟

<a href=\"?\'?.+\"?\'?>.+</a>

剩下的是我对 html 中锚标签的一般匹配，你可能想要使用替代匹配表达式。

根据您的使用情况，您可能需要省略开始和结束 ^ $ 字符。

【讨论】：