让this线程更进一步，有人能告诉我这两个正则表达式之间有什么区别吗？他们似乎都做了同样的事情：从html中拉出一个链接。
表达式1：
'/(https?://)?(www.)?([a-zA-Z0-9_%]*)\b.[a-z]{2,4}(.[a-z]{2})?((/[a-zA-Z0-9_%])+)?(.[a-z])?/'
表达式2：
'/<a.*?href\s*=\s*["\']([^"\']+)[^>]*>.*?<\/a>/si'
哪一个会更好用？我怎样才能修改其中一个表达式以仅匹配包含某些单词的链接，并忽略任何不包含这些单词的匹配？
感谢。
答案 0 :(得分：3)
区别在于表达式1遵循规范查找有效和完整的URI。因此，您将获得代码内部的所有完整URL。这与获取所有链接并不真正相关，因为它与经常使用的相对URL不匹配，并且它获取每个URL，而不仅仅是链接目标的URL。
第二个查找a代码并获取href属性的内容。所以这个会给你带来每个环节。除了该表达式中的一个错误*之外，使用它是非常安全的，并且它将足以使您获得每个链接 - 它会检查可能出现的足够差异，例如空格或其他属性。
*但是该表达式中有一个错误，因为它没有查找href属性的结束引用，您应该添加它，或者您可能匹配奇怪的东西：
/<a.*?href\s*=\s*["\']([^"\'>]+)["\'][^>]*>.*?<\/a>/si
编辑以回复评论：
要查找链接网址内的word，请使用：
/<a.*?href\s*=\s*["\']([^"\'>]*word[^"\'>]*)["\'][^>]*>.*?<\/a>/si
要在链接文本中查找word，请使用：
/<a.*?href\s*=\s*["\']([^"\'>]+)["\'][^>]*>.*?word.*?<\/a>/si
答案 1 :(得分：1)
在大多数情况下，我强烈建议使用HTML解析器（例如this one）来获取这些链接。使用正则表达式来解析HTML将会有问题，因为HTML不是常规的，你不会考虑边缘情况的结束。
有关详细信息，请参阅here。
答案 2 :(得分：1)
/<a.*?href\s*=\s*["']([^"']+)[^>]*>.*?<\/a>/si
你必须非常小心.*，即使是非贪婪的形式。 .容易匹配比你讨价还价更多，特别是在dotall模式下。例如：
<a name="foo">anchor</a>
<a href="...">...</a>
从第一个<a的开头到第二个结尾的匹配。
更不用说像：
<a href="a"></a >
<a href="b"></a>
或：
<a href="a'b>c">
或：
<a data-href="a" title="b>c" href="realhref">
或：
<!-- <a href="notreallyalink"> -->
以及更多有趣的边缘案例。您可以尝试优化正则表达式以捕获更多可能性，但是您永远不会得到它们，因为HTML无法使用正则表达式进行解析（告诉您的朋友）！
HTML +正则表达式是一个傻瓜的游戏。帮自己一个忙。使用HTML解析器。
答案 3 :(得分：0)
乍一看，第一个是垃圾，但似乎是试图将链接作为文本匹配，第二个是匹配html元素。