任何人都可以幫我解決我的正則表達式問題嗎？

Question

我想用正則表達式從HTML文件中提取多個URL。 HTML代碼如下所示：

<h1 class="article"><a href="http://www.domain1.com/page-to-article1" onmousedown="return(...) 
<h1 class="article"><a href="http://www.domain2.com/page-to-article2" onmousedown="return(...) 
<h1 class="article"><a href="http://www.domain3.com/page-to-article3" onmousedown="return(...) 
<h1 class="article"><a href="http://www.domain3.com/page-to-article4" onmousedown="return(...) 

我想只有<h1 class="article"><a href="和" onmousedown="return(...)例如之間提取URL http://www.domain1.com/page-to-article1,http://www.domain2.com/page-to-article2, http://www.domain3.com/page-to-article3等

Answer 1

正如已經回答和評論，你不應該使用regexes這個任務。但是，如果你真的堅持下來，你可以使用這個表達式：

/\<h1 class="article"\>\<a href="([^"]*)" onmousedown="return/ 

---

創建這個正則表達式的演練：

1. 那麼，什麼是你真正想要？像這樣的行：

   <h1 class="article"><a href="http://www.domain1.com/page-to-article1" onmousedown="return 
   

2. 但是，在正則表達式中不允許某些字符。在這個例子中，<和>字符是非法的。因此，你應該逃避他們，通過在非法字符前面添加一個反斜槓（\）：

   \<h1 class="article"\>\<a href="http://www.domain1.com/page-to-article1" onmousedown="return 
   

3. 這隻會匹配中已有的正則表達式的URL。我們想匹配任何網址。一般來說，在這種情況下，網址如何顯示？這很難說，因爲URL以許多不同的形式存在。

   一個簡單的描述是：一個URL是一串不包含"字符的文本（因爲這會結束<a>標記的href屬性）。在正則表達式中，這將是[^"]：它匹配除"以外的任何字符。

   我們還沒有做完一件事：一個URL不僅僅是一個字符，除了"，還有一大堆字符。因此，我們在模式（[^"]）中添加一個星號（*），該模式匹配零個或多個字符。這導致[^"]*。現在可以匹配任何長度的網址。

   我們不應該忘記，我們實際上是想從文本中獲取URL（而不僅僅是匹配/檢測它）。通過定義一個組，組的內容將分別返回。您可以通過將模式置於括號中來定義一個組。結果：([^"]*)。

   現在，我們可以代入我們開始與模式這一點：

   \<h1 class="article"\>\<a href="([^"]*)" onmousedown="return 
   

4. 一個我們應該做的最後一件事就是告訴正則表達式處理器，我們是否要匹配整行（即只找到結果如果我們的模式匹配整條線）或部分線。我們選擇後者。要做到這一點，我們把斜線模式：

   /\<h1 class="article"\>\<a href="([^"]*)" onmousedown="return/ 
   

5. 在最後一步，我們可以添加改性劑。這些就像正則表達式處理器在匹配模式時使用的首選項。我們添加i改性劑，使圖案不區分大小寫：

   /\<h1 class="article"\>\<a href="([^"]*)" onmousedown="return/i 
   

我建議看看一個regex cheat sheet並嘗試瞭解正在發生的事情正則表達式。將它添加到您的書籤（或打印它）。每當你遇到一個正則表達式或者需要一個正則表達式時，嘗試使用它。如果你對他們不熟悉，正則表達式看起來像是很難的魔法，但如果你學會自己正確使用正則表達式非常方便。

---

實施例使用：

<?php 

$html = <<<EOF 
<h1 class="article"><a href="http://www.domain1.com/page-to-article1" onmousedown="return(...) 
<h1 class="article"><a href="http://www.domain2.com/page-to-article2" onmousedown="return(...) 
<h1 class="article"><a href="http://www.domain3.com/page-to-article3" onmousedown="return(...) 
<h1 class="article"><a href="http://www.domain3.com/page-to-article4" onmousedown="return(…) 
EOF; 

preg_match_all('/\<h1 class="article"\>\<a href="([^"]*)" onmousedown="return/i', $html, $matches); 

print_r($matches[1]); 
// Array 
// (
//  [0] => http://www.domain1.com/page-to-article1 
//  [1] => http://www.domain2.com/page-to-article2 
//  [2] => http://www.domain3.com/page-to-article3 
//  [3] => http://www.domain3.com/page-to-article4 
//) 

?>