用于解析html的php正则表达式

Question

我需要一些帮助来解析一个html，从http：//开始提取所有内容，包含“abc”，直到第一次出现“或”或空格。

我有一些这样的正则表达式/http：\ / / / abc（。*）\“/但它运作不佳：\

有什么想法吗？ ：）

P.S。抱歉英语不好，这不是我的自然语言;）

Answer 1

StackOverflow倾向于使用HTML Document Parser而不是正则表达式来解析HTML。

然而，话虽如此，如果你只想要一个恰好是HTML的字符串中的URL，我仍然相信正则表达式可以胜任这项工作。

尝试preg_match_all：

preg_match_all("/http:\/\/[^\s'\"]*abc[^\s'\"]*/", $string, $matches);

Answer 2

使用解析器而不是正则表达式。

RegEx match open tags except XHTML self-contained tags

Answer 3

如果您只想提取网址，那么regexen是一个不错的选择。你不需要进入解析器世界。

如果你有类似unix的命令工具，你可以非常简单地估算它（假设每行一个网址），并且有两遍：

grep http myfile.html | grep abc

您可以类似地使用preg_grep()。

preg_match_all ('/http:[^"\' ]+/', $html, $urls);
# $urls contains all the urls from your document
$abc_urls = preg_grep( '/abc/', $urls );