如何将特定文本链接与 php 正则表达式匹配答案

【问题标题】：how to match specific text link with php regex如何将特定文本链接与 php 正则表达式匹配
【发布时间】：2014-02-09 06:37:16
【问题描述】：

在这里，我正在寻找一个 PHP 中的正则表达式，它将锚点与特定的“target="_parent" 匹配。我想获得带有如下文本的锚点：

preg_match_all('<a href="http://" target="_parent">Text here</a>', subject, matches, PREG_SET_ORDER);

HTML：

<a href="http://" target="_parent">

    <FONT style="font-size:10pt" color=#000000 face="Tahoma">
        <DIV><B>Text</B> - Text </DIV>
    </FONT>

</a>

</DIV>

【问题讨论】：

标签： php regex preg-match-all

【解决方案1】：

说实话，最好的方法是根本不使用正则表达式。否则，您将错过各种不同的链接，尤其是如果您不知道这些链接总是具有相同的生成方式。

最好的方法是使用 XML 解析器。

<?php

$html = '<a href="http://" target="_parent">Text here</a>';
function extractTags($html) {
    $dom = new DOMDocument;
    libxml_use_internal_errors(true);
    $dom->loadHTML($html); // because dom will complain about badly formatted html
    $sxe = simplexml_import_dom($dom);
    $nodes = $sxe->xpath("//a[@target='_parent']");

    $anchors = array();
    foreach($nodes as $node) {
        $anchor = trim((string)dom_import_simplexml($node)->textContent);
        $attribs = $node->attributes();
        $anchors[$anchor] = (string)$attribs->href;
    }

    return $anchors;
}

print_r(extractTags($html))

这将输出：

Array (
    [Text here] => http://
)

即使在您的示例中使用它：

$html = '<a href="http://" target="_parent">

<FONT style="font-size:10pt" color=#000000 face="Tahoma">
        <DIV><B>Text</B> - Text </DIV>
            </FONT>

            </a>

            </DIV>
            ';
            print_r(extractTags($html));

将输出：

Array (
    [Text - Text] => http://
)

如果您觉得 HTML 仍然不够干净，无法与 DOMDocument 一起使用，那么我建议您使用 HTMLPurifier 之类的项目（请参阅http://htmlpurifier.org/）首先完全清理 HTML（并删除不需要的 HTML）并使用它的输出加载到 DOMDocument 中。

【讨论】：

我已经对 DOM 有所了解，但我需要正则表达式来处理这些匹配，DOM 无法处理 html 标记。
@user1218948 即使使用您的示例，此代码仍然有效。在正则表达式甚至考虑成为可接受的解决方案之前，您将需要提供一个更大的失败示例：P
不仅，target='_parent' 它的抓取 target='_blank' 也是如此
@user1218948 然后将 xpath 查询更改为：$nodes = $sxe->xpath("//a[@target='_blank' or @target='_parent']");
$nodes = $sxe->xpath('//a[@target="_parent"]');我使用了双引号，它已修复，所以我们不再有任何格式错误的 html 解析问题？

【解决方案2】：

您应该使用DOMDocument 类而不是正则表达式。如果您使用正则表达式处理 HTML，您会得到很多误报结果。

<?php

$html='<a href="http://" target="_parent">Text here</a>';
$dom = new DOMDocument;
$dom->loadHTML($html);
foreach ($dom->getElementsByTagName('a') as $tag) {
    if ($tag->getAttribute('target') === '_parent') {
       echo $tag->nodeValue;
    }
}

OUTPUT :

Text here

【讨论】：

html 标记太丑陋，DOM 无法处理误导性标签。
你需要把你的 HTML 源代码放上来让大家看看。如果你认为 DOM 在这种情况下更糟糕，Regex 会更糟糕！
@user1218948，您的预期输出是什么？