Question

我经常是regex的新手，所以我对我创建的正则表达式有几个问题。

我希望下面的表达式的粗体部分被捕获

SRC = “的 aifwoenflkwenflk ”的

我有自己创建的以下表达式：

((?<=src=)|(?<=href=))"(.*?)((?=")|(?='))"

它有效，但有两个问题，

它只需捕获引号内部，但捕获两个引号（Easy fix）
我需要它来支持单引号或双引号

我创建了一个能够完全符合我想要的新表达式：

((?<=src=')|(?<=href=')|(?<=src=")|(?<=href="))(.*?)((?=")|(?='))

虽然很长。必须有一些方法来优化它，以便它能够使用单引号或双引号，并且只捕获内部。有谁知道我怎么能做到这一点？

我感谢所有人的帮助！

Answer 1

与往常一样，请考虑使用一个不错的DOM解析器，它也会轻轻地使用单引号：

<?php

$data = <<<DATA
<a href="some string here">some link here</a>
<img src="some so'urce here">
<a href="some other string here">some link here</a>
DATA;

$doc = new DOMDocument();
$doc->loadHTML($data, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);

$xpath = new DOMXPath($doc);

# links
foreach ($xpath->query("//a[@href]") as $item) {
    $source = $item->getAttribute('href');
    echo $source;
}

# images
foreach ($xpath->query("//img[@src]") as $item) {
    $source = $item->getAttribute('src');
    echo $source;
}
?>

Answer 2

$regex = '/(?:src|href)=["\']?([^"\'>]+)["\']?/';

DEMO

正则表达式内部使用OR进行非捕获

2 个答案: