Question

我需要一个正则表达式，它会在href标签内部和引号内部给我字符串。

例如，我需要在以下内容中提取theurltoget.com：

<a href="theurltoget.com">URL</a>

此外，我只想要基本网址部分。即来自http://www.mydomain.com/page.html我只想要http://www.mydomain.com/

Answer 1

不要使用正则表达式。你可以使用xpath和内置的php函数来获得你想要的东西：

    $xml = simplexml_load_string($myHtml);
    $list = $xml->xpath("//@href");

    $preparedUrls = array();
    foreach($list as $item) {
        $item = parse_url($item);
        $preparedUrls[] = $item['scheme'] . '://' .  $item['host'] . '/';
    }
    print_r($preparedUrls);

Answer 2

$html = '<a href="http://www.mydomain.com/page.html">URL</a>';

$url = preg_match('/<a href="(.+)">/', $html, $match);

$info = parse_url($match[1]);

echo $info['scheme'].'://'.$info['host']; // http://www.mydomain.com

Answer 3

这个表达式将处理3个选项：

没有引号
双引号
单引号

'/ HREF = [“\']（[^？ ”\“＆GT;] +）[” \'] /

Answer 4

如果您只是寻找基本网址（@David问题的第2部分），请使用@Alec的答案！

$html = '<a href="http://www.mydomain.com/page.html" class="myclass" rel="myrel">URL</a>';
$url = preg_match('/<a href="(.+)">/', $html, $match);
$info = parse_url($match[1]);

这会给你：

$info
Array
(
    [scheme] => http
    [host] => www.mydomain.com
    [path] => /page.html" class="myclass" rel="myrel
)

所以你可以使用$href = $info["scheme"] . "://" . $info["host"] 这给了你：

// http://www.mydomain.com

当你在href之间寻找整个网址时，你应该使用另一个正则表达式，例如@ user2520237提供的正则表达式。

$html = '<a href="http://www.mydomain.com/page.html" class="myclass" rel="myrel">URL</a>';
$url = preg_match('/href=["\']?([^"\'>]+)["\']?/', $html, $match);
$info = parse_url($match[1]);

这会给你：

$info
Array
(
    [scheme] => http
    [host] => www.mydomain.com
    [path] => /page.html
)

现在您可以使用$href = $info["scheme"] . "://" . $info["host"] . $info["path"]; 这给了你：

// http://www.mydomain.com/page.html

Answer 5

http://www.the-art-of-web.com/php/parse-links/

让我们从最简单的情况开始 - 格式良好的链接，没有额外的属性：

/<a href=\"([^\"]*)\">(.*)<\/a>/iU

Answer 6

对于所有href值替换：

function replaceHref($html, $replaceStr)
{
    $match = array();
    $url   = preg_match_all('/<a [^>]*href="(.+)"/', $html, $match);

    if(count($match))
    {
        for($j=0; $j<count($match); $j++)
        {
            $html = str_replace($match[1][$j], $replaceStr.urlencode($match[1][$j]), $html);
        }
    }
    return $html;
}
$replaceStr  = "http://affilate.domain.com?cam=1&url=";
$replaceHtml = replaceHref($html, $replaceStr);

echo $replaceHtml;

Answer 7

这将处理URL周围没有引号的情况。

/<a [^>]*href="?([^">]+)"?>/

但严肃地说，do not parse HTML with regex。使用DOM或适当的解析库。

Answer 8

/href="(https?://[^/]*)/

我认为你应该能够处理其余的事情。

Answer 9

因为积极和消极的外观很酷

/(?<=href=\").+(?=\")/

它只匹配你想要的，没有引号

阵列（ [0] =＆gt; theurltoget.com）

php regex在href标签内获取字符串

9 个答案: