Question

大家。我正在研究学校项目，我一直在努力使用雅虎管道清理饲料中的所有链接。

例如，从我的item.description中删除<a href="http://mickey.com">Go to Source</a>。

在没有有效链接的情况下离开“ 转到来源 ”

我正在使用正则表达式模块，我尝试使用此表达式

#</?a[^>]*>#iu

但没有成功。请有人帮我这个。

Answer 1

基本上，你想要的是：

<a.*?>(.*?)</a>

这将捕获$ 1中的链接文本。 “*？”是一种非贪婪的比赛 - 这意味着它将匹配任何东西，但可能只有几次。

为了更加安全，您可能希望在奇数位置和案例选项中接受一些空格：

<\s*[Aa].*?>(.*?)<\s*/[Aa]\s*>

即使这不是防弹，但应该处理大多数情况。

如果使用“正则表达式”模块而不是“字符串正则表达式”模块，请不要忘记g和s选项。

Answer 2

试试这个：

$html = 'This is some text <a href="http://mickey.com">Go to Source</a> more text';
$result = preg_replace('%<a[ ]{1}.*?>(.*?)</a>%i', '$1', $html);
echo $result // echo's "This is some text Go to Source  more text"

Answer 3

HTML至少是一种无上下文的语言。使用正则表达式正确解析CFL是不可能的。因此，这是不可能的。使用正确的HTML解析库并重新编写DOM树或偶数流（取决于接口），以适合您想要做的事情。

Answer 4

HTML为not a regular language和cannot be matched by regular expressions。你可以将可能与某些HTML匹配的东西组合在一起，并且有时可以工作，但是只要有些奇怪就会意外地失败。

现在，遗憾的是，Yahoo Pipes似乎没有包含HTML解析器。但是，根据this blog entry，您可以通过HTML Tidy管道传输数据，然后使用可以解析XML的Fetch Data模块以结构化格式提取数据。之后处理XML的工具并不理想（它们似乎不支持任何像XPath或CSS选择器查询一样有用的东西），但至少你可以用一个经过适当解析的结构化格式来处理数据。 HTML解析器。

正则表达式使用Yahoo Pipes删除链接

4 个答案: