Question

我正在尝试从锚标记中提取文本，url（href）和id。到目前为止，我可以在锚标记之间获取文本。这是我的代码

<html>
    <head>
    </head>
    <body>
      <?php
    $html =<a href='https://www.google.lk/' id='21'>Google</a>  <a>Solution</a>"
    preg_match_all('@<(a)>(.+?)</\1>@is', $html, $matches);
    foreach ($matches[2] as $text) {
      print "Text: $text\n";
      echo "<br>";
    }
    ?>
    </body>
    </html>

这将产生以下结果。

文本：解决方案

这样，我只能在2个纯锚标记之间打印文本（不带任何参数）。但是，当有诸如href和id之类的参数时，这将行不通。我正在尝试修改上面的代码以以下方式打印Text（在2个锚标记之间），URL（HREF）和id

文本：Google URL：https://www.google.lk/ ID：21

任何帮助将不胜感激。谢谢

Answer 1

您的问题有点不清楚，因此，如果我理解正确，则可以轻松提取锚标记（<a>）的内容，但是如果<a标记包含href和id，那么您认为这行不通。另外，根据您的帖子标题，您还希望提取href和id属性的值，它们可能存在也可能不存在。实际上，其中任何一个都可能丢失。

在这种情况下，您可以使用此正则表达式，

<(a)(?:\s+href=(['"])(?<href>[^'"]*)\2\s*)?(?:\s+id=(['"])(?<id>[^'"]*)\4\s*)?>(.+?)<\/\1>

说明：

<->标记开始
(a)->期望标记名称仅为“ a”，并在组1中捕获它，以便通过在结尾处反向引用来匹配它。
(?:\s+href=(['"])(?<href>[^'"]*)\2\s*)?->此部分匹配href属性，并在href命名组中捕获其值，该组是可选的
(?:id=(['"])(?<id>[^'"]*)\4\s*)?->此部分匹配id属性，并捕获id命名组中的值，这也是可选的
>标签的末尾
<a->捕获(.+?)标签内部文本
<a->通过<\/\1>的反向引用匹配<a的结束标记

这仍将匹配第1组引用，根据上面的正则表达式，它们将为\1，还将捕获a和href属性的值，两者均为可选。

Here is a demo

让我知道这是否是您想要的。如有任何疑问，请告诉我。

Answer 2

已对其进行编辑以使id / href为可选

查找

<a(?=\s|>)(?=(?:(?:[^>"']|"[^"]*"|'[^']*')*?\shref\s*=\s*(?:(['"])([\S\s]*?)\1))?)(?=(?:(?:[^>"']|"[^"]*"|'[^']*')*?\sid\s*=\s*(?:(['"])([\S\s]*?)\3))?)\s*(?:"[\S\s]*?"|'[\S\s]*?'|[^>]*?)+>(.*?)</a\s*>

替换

Text: $5 URL:$2 id:$4

https://regex101.com/r/SBgqqd/1

扩展

                               # Begin Anchor tag
 < a
 (?= \s | > )
 (?=                           # Asserttion for optional:  href  (a pseudo atomic group)
      (?:
           (?: [^>"'] | " [^"]* " | ' [^']* ' )*?
           \s href \s* = \s* 
           (?:
                ( ['"] )                      # (1)
                ( [\S\s]*? )                  # (2)
                \1 
           )
      )?
 )
 (?=                           # Asserttion for optional:  id
      (?:
           (?: [^>"'] | " [^"]* " | ' [^']* ' )*?
           \s id \s* = \s*           
           (?:
                ( ['"] )                      # (3)
                ( [\S\s]*? )                  # (4)
                \3 
           )
      )?
 )
                               # Have the href and id, just match the rest of tag
 \s* 
 (?: " [\S\s]*? " | ' [\S\s]*? ' | [^>]*? )+

 >                             # End  tag

 ( .*? )                       # (5)
 </a \s* >

如何使用PHP从此代码的锚标记中提取id和url？

2 个答案: