Question

我是新手。我在PHP中使用正则表达式时遇到了一个奇怪的问题。

$result = "some very long long string with different kind of links";

$regex='/<.*?href.*?="(.*?net.*?)"/'; //this is the regex rule

preg_match_all($regex,$result,$parts);

在这段代码中，我试图从结果字符串中获取链接。但它只会提供包含.net的链接。但我也希望得到那些有.com的链接。为此，我尝试了这段代码

    $regex='/<.*?href.*?="(.*?net|com.*?)"/';

但它没有显示任何内容。

我的英语不好。

提前致谢。

更新1：

现在我正在使用这个

$regex='/<.*?href.*?="(.*?)"/';

此规则从字符串中获取所有链接。但这并不完美。因为它还抓住了其他子串，如“javascript”。

Answer 1

|字符适用于捕获组中的所有内容，因此(.*?net|com.*?)将匹配.*?net或com.*?，我认为您想要的是(.*?(net|com).*?)

如果您不想要额外的捕获组，可以使用(.*?(?:net|com).*?)。

您也可以使用(.*?net.*?|.*?com.*?)，但不建议这样做，因为不必要的重复。

Answer 2

您的正则表达式被解释为.*?net或com.*?。你需要(.*?(net|com).*?)。

Answer 3

试试这个：

$regex='/<.*?href.*?="(.*?\.(?:net|com)\b.*?)"/i';

或更好：

$regex='/<a .*?href\s*+=\s*+"\K.*?\.(?:net|com)\b[^"]*+/i';

Answer 4

<.*?href

是个问题。这将匹配当前行中的第一个<与第一个href，无论它们是否属于同一个标记。

通常，尝试使用正则表达式解析HTML是不明智的;如果你绝对坚持这样做，至少要更具体（但仍然不完美）：

$regex='/<[^<>]*href[^<>=]*="(?:[^"]*(net|com)[^"]*)"/';

不能在php正则表达式中使用OR（|）

提前致谢。

4 个答案: