Question

我有一个PHP脚本，它解析表单（消息）的POST内容并转换真实HTML链接中的任何URL。这是我使用的2个正则表达式：

$dbQueryList['sb_message'] = preg_replace("#(^|[\n ])([\w]+?://[^ \"\n\r\t<]*)#is", "\\1<a href=\"\\2\" target=\"_blank\">\\2</a>", $dbQueryList['sb_message']);

$dbQueryList['sb_message'] = preg_replace("#(^|[\n ])((www|ftp)\.[^ \"\t\n\r<]*)#is", "\\1<a href=\"http://\\2\" target=\"_blank\">\\2</a>", $dbQueryList['sb_message']);

好的它运作良好但是现在，在另一个脚本中我想做相反的事情。所以在我的$dbQueryList['sb_message']我可以有一个类似“<a href="http://google.com" target="_blank">Google</a>”的链接，我想要“http://google.com”。

我无法编写能够做到这一点的正则表达式。请问你能帮帮我吗？谢谢:)）

Answer 1

我想是这样的事情：

echo preg_replace('/<a href="([^"]*)([^<\/]*)<\/a>/i', "$1", 'moofoo <a href="http://google.com" target="_blank"> Google </a> helloworld');

Answer 2

使用DOMDocument代替正则表达式解析HTML内容更安全。

试试这段代码：

<?php

function extractAnchors($html)
{
    $dom = new DOMDocument();
    // loadHtml() needs mb_convert_encoding() to work well with UTF-8 encoding
    $dom->loadHtml(mb_convert_encoding($html, 'HTML-ENTITIES', "UTF-8"));

    $xpath = new DOMXPath($dom);

    foreach ($xpath->query('//a') as $node)
    {
        if ($node->hasAttribute('href'))
        {
            $newNode = $dom->createDocumentFragment();
            $newNode->appendXML($node->getAttribute('href'));
            $node->parentNode->replaceChild($newNode, $node);
        }
    }

    // get only the body tag with its contents, then trim the body tag itself to get only the original content
    return mb_substr($dom->saveXML($xpath->query('//body')->item(0)), 6, -7, "UTF-8");
}

$html = 'Some text <a href="http://www.google.com">Google</a> some text <img src="http://dontextract.it" alt="alt"> some text.';
echo extractAnchors($html);

PHP Regex用于解析链接

2 个答案: