Question

我正在尝试使用preg_match_all来扫描网页的来源，并将所有mailto：链接链接到一个数组，并将所有不的链接：mailto：链接到另一个阵列。目前我正在使用：

$searches = array('reg'=>'/href(=|=\'|=\")(?!mailto)(.+)\"/i','mailto'=>'/href(=|=\'|=\")(?=mailto)(.+)\"/i');
foreach ($searches as $key=>$search)
{
    preg_match_all($search,$source,$found[$key]);
}

mailto：links搜索工作正常，但是我找不到为什么非mailto：link搜索同时提取mailto：和非mailto：链接的原因，即使是负面的预测断言。我做错了什么？

Answer 1

一个不太脆弱的理解方案是使用DOMDocument ......

$dom = new DOMDocument;

$dom->loadHTML($html);

$mailLinks = $nonMailLinks = array();

$a = $dom->getElementsByTagName('a');

foreach($a as $anchor) {
   if ($anchor->hasAttribute('href')) {
      $href = trim($anchor->getAttribute('href'));
      if (substr($href, 0, 7) == 'mailto:') {
            $mailLinks[] = $href;
      } else {
            $nonMailLinks[] = $href;
      }
   }
}

CodePad

Answer 2

你的正则表达式寻找最短的替代方案：

 (=|=\'|=\")

您需要最后排序=，或使用更常见的：

 =[\'\"]?

替代/或以其他方式交换.+?以获得更明确/限制性[^\'\">]+。因此，负面断言不会与"mailto:

匹配的“.+”失败

使用preg_match_all来拉取所有

2 个答案: