提取链接正则

Question

$matches[2]这个数组里就是你提取的链接.
$matches[0]提取的是符合<a href='xxx'>asdfasd</a>这样的串,
这是preg_match_all这个函数的特点.

Answer 1

楼上是啊，
如果<a href='#'>asdfasd </a>这样的串也给提取出来，我要排除这一种
还有<a href='javascript:viod(0)'>asdfasd </a>像这种javascript的也排除呀

Answer 2

$pat="/<\s*a\s.*?href\s*=\s*[\"\']*([^\s\>#\'\"\)\(]+)[\"\']*>(.*?)\<\/a\>/is";你的正则过于滥用.*?了,我给你精简一下.

Answer 3

楼上的也有挺多问题的Array
(
    [0] => Array
        (
            [0] => <A href="http://www.aa.com">aa</A>
            [1] => <A href="http://www.aa.com">aa</A>
            [2] => <A
  href="http://www.google.com/coop/cse?cx=017961863061223484325:by0hzdu5kl0" 
  target=_blank>搜索</A> 
  <LI><A href="#" target=_blank>论坛社区</A> 
像这样的就认不出来了
 [26] => <A href="move1-92.html" target="_blank"><IMG alt="刘心武揭秘红楼梦_秦可卿被告发之谜" src="http://www.11173.cn/Uploadpic/ALLIMG/200752521481638366.jpg" width="100" height="100"></A> <!--100*100 -->
  <H3><A href="move1-92.html" target="_blank">刘心武揭秘红楼梦_秦可卿被告发之谜</A></H3>
  <P><SPAN class=movie_date>发布时间：2008-09-14</SPAN><BR><SPAN 
  class=movie_category>分类：<A 
  href="list1-4-1.html">幽默搞笑</A>            [27] => 
这个也认不出来

Answer 4

$pat="/<\s*a\s.*?href\s*=\s*[\"\']*([^\s\>#\'\"\)\(]+)[\"\']*[^\>\<]*>(.*?)\<\/a\>/is";万变不离其踪，只要知道原理就很容易做了．
你这个不是要匹配一下，可能加target="_blank"的这种情况吗，加上[^\>\<]*就好了，同理，如果在href加上有，也可以加个[^\>\<]*这样的，
我只能说的是，不要烂用非贪婪写法(.*?),
一是会影响效率，
二是避免出现匹配不正常的情况．

Answer 5

当target=_blank的时候也不行啊。
正则很难看懂，看了几个晚上，都没怎么了解

Answer 6

echo '<pre>';
function get_url($str){
    //$pat='/<a(.*?)href=\'(.*?)\'(.*?)>(.*?)<\/a>/i';
    $pat="'<\s*a\s.*?href\s*=\s*([\"\'])?(?(1)(?!\#|javascript)(.*?)\\1|([^\s\>]+))[^>]*>?(.*?)</a>'isx";
    ///:/http:\/\/[a-zA-Z0-9][a-zA-Z0-9\/._-]+[\.html]/;
    preg_match_all($pat,$str,$matches);
    return $matches;
}
$stream="sdkkk<center><a href=dffd/aa.php?diih=23>sdfsdfffdd</a></center><a href='http://www.dfkdf.com/sdfkjsdf.asp?id=334'>dfkds</a><a href=\"dffd/aa.php?diih=3\">3222</a><a href='dffd/aa.html'>3222</a><a href='#'>3222</a><a href='javascript:void(0)'>3222</a>";
//echo($stream);
$matches=get_url($stream);
print_r($matches);
echo '</pre>';

Answer 7

能不能改这个呢
我发现这个比我原来的好多了
只要排除target=_black就可以了
$pat="/<\s*a\s.*?href\s*=\s*[\"\']*([^\s\>#\'\"\)\(]+)[\"\']*[^\>\<]*>(.*?)\<\/a\>/is";