求一正则表达式

Question

先谢谢各位看此帖！！
　　表单输入url后，我想通过一种方法读取该网站上所有友情链接，不知道可否使用正则表达式来达到目的，如果您有更好的方法感谢您指出。
　　若使用正则表达式的话，我应该怎么写这个正则来提取url和<a></a>之间的文字，谢谢！

Answer 1

此回复为自动发出,仅用于显示而已，并无任何其他特殊作用
楼主【victor0910】截止到2008-07-04 01:54:57的历史汇总数据(不包括此帖)：
发帖的总数量:9                        发帖的总分数:180                      
结贴的总数量:5                        结贴的总分数:40                       
无满意结贴数:3                        无满意结贴分:60                       
未结的帖子数:4                        未结的总分数:140                      
结贴的百分比:55.56 %               结分的百分比:22.22 %                  
无满意结贴率:60.00 %               无满意结分率:150.00%                  
楼主加油

Answer 2

我想做的是一个友情链接自动查询系统，就是用户输入自己的网站后，系统自动分析出他网站上所有的友情链接，按现在网上现有的案例来看，他们应该是分析出一个网站上所有<a>标签内的东西，然后对比自己的域名，不一样就认为是友情链接，或者不是以http开头的就认为是友情链接（因为有很多网站自己的内部链接都是用的相对地址就是/path/xxx.html/php这样）　

Answer 3

用javascript取可以不？就是比较麻烦

Answer 4

有点意思，你可以开发搜索引擎了
第一步：提取所有链接url： preg_match_all('|href=(.*?) ?|is',$str,$arr)
print_r($arr);
第二步：和本域比较，如果不是本域，则认为是友情
（当然，这个规则可以不确
分析url，取得域部分 用parse_url

Answer 5

fxs_2008朋友，您能否帮我写出具体一点的代码，我用你的方法读出的东西很乱呀，不知道怎么处理

Answer 6

如果href的内容为""
preg_match_all('/href=\"([^>]*?)\"[^>]*?>(.*?)<a/is',$str,$arr); //匹配所有url和<a>之间内容 
print_r($arr); 如果<a></a>间有很多内容,可能会很长,这是很正常的
试试吧

Answer 7

您好，通过您的方法，我得到的结果都是cnArray ( [0] => Array ( ) [1] => Array ( ) [2] => Array ( ) ) Array ( [0] => Array ( ) [1] => Array ( ) [2] => Array ( ) ) Array ( [0] => Array ( ) [1] => Array ( ) [2] => Array ( ) ) Array ( [0] => Array ( ) [1] => Array ( ) [2] => Array ( ) ) Array ( [0] => Array ( ) [1] => Array ( ) [2] => Array ( ) ) Array ( [0] => Array ( ) [1] => Array ( ) [2] => Array ( ) ) Array ( [0] => Array ( ) [1] => Array ( ) [2] => Array ( ) ) Array ( [0] => Array ( ) [1] => Array ( ) [2] => Array ( ) ) Array ( [0] => Array ( ) [1] => Array ( ) [2] => Array ( ) ) Array ( [0] => Array ( ) [1] => Array ( ) [2] => Array ( ) ) Array ( [0] => Array ( ) [1] => Array ( ) [2] => Array ( ) ) Array ( [0] => Array ( ) [1] => 
请您指教

Answer 8

<?php
       $domain='hao123.com';
       $text=file_get_contents("http://$domain");
       $pattern="/<a href=[\'\"]?http:\/\/[^(".str_replace(".","\.",$domain).")].*?>(.*?)<\/a>/";
       preg_match_all($pattern,$text,$match);
       var_dump($match);
?>
不支持二级域名.

Answer 9

preg_match("/<a.+href\s*=\s*[\'\"]?([^\s<\'\"]*)[\'\"]?.*>([^<\/a>].*)<\/a>/i" ,$linecode,$tmp); 
fxs_2008大哥，我用上面的方法得到了结果，但少过滤了一部分内容，因为我不但想得到<a></a>之间的内容，还需要对他进行过滤，　要求里面包括http://　而且还要有一个完整的url例如http://xxx.com或http://www.xxx.com　这样匹配到结果以后，我就可以用explode函数再截取其中的完整网址，还可以过滤掉内部链接，同样也可以截取到>和</a>之间的文字了。谢谢

Answer 10

preg_match_all('/<a href="?(?=http:\/\/)([^"]+)"?[^>]+>([^<]+)<\/a>/i',$fp,$tmp);
这个正则已经有点模样了，只是<a>标签中几种表现形式还不够准确
例如:
1.<a href=http://www.sina.com target=_blank>新浪</a>               没有引号
2.<a href='http://www.sina.com' target='_blank'>新浪</a>           单引号
3.<a href="http://www.sina.com" target="_blank">新浪</a>           双引号
4.<a href="http://www.sina.com" title="新浪" target="_blank">新浪</a> 有title也有target="_blank"
5.<a target="_blank" href="http://www.sina.com">新浪</a>             target="_blank"在前面
6.<a href="http://www.sina.com" rel=nofollow target="_blank">新浪</a> 带有rel=nofollow另外还有由上面这6种方式引伸出的其它单引号、双引号与target和title的组合方式由于a标签里的形式多样，所以必须得过滤严格，不然很容易出错，谢谢各位帮忙非常感谢大家