A要素のhref属性を取得する

ページ上のリンクを見つけようとしています。

私の正規表現は：

/<a\s[^>]*href=(\"\'??)([^\"\' >]*?)[^>]*>(.*)<\/a>/

しかし失敗するようです

<a title="this" href="that">what?</a>

タグの最初に配置されていないhrefを処理するように正規表現を変更するにはどうすればよいですか？

HTML用の信頼できる正規表現は困難です。DOMでそれを行う方法は次のとおりです。

$dom = new DOMDocument;
$dom->loadHTML($html);
foreach ($dom->getElementsByTagName('a') as $node) {
    echo $dom->saveHtml($node), PHP_EOL;
}

上記は、文字列内のすべての要素の「outerHTML」を見つけて出力Aし$htmlます。

ノードのすべてのテキスト値を取得するには、次のようにします

echo $node->nodeValue; 

属性が存在するかどうかを確認するには、href次のことができます

echo $node->hasAttribute( 'href' );

行う属性を取得するにhrefは

echo $node->getAttribute( 'href' );

行う属性を変更するにhrefは

$node->setAttribute('href', 'something else');

行う属性を削除するにhrefは

$node->removeAttribute('href'); 

XPathを使用してhref属性を直接クエリすることもできます

$dom = new DOMDocument;
$dom->loadHTML($html);
$xpath = new DOMXPath($dom);
$nodes = $xpath->query('//a/@href');
foreach($nodes as $href) {
    echo $href->nodeValue;                       // echo current attribute value
    $href->nodeValue = 'new value';              // set new attribute value
    $href->parentNode->removeAttribute('href');  // remove attribute
}

こちらもご覧ください：

• HTMLを解析する最良の方法
• PHPのDOMDocument

余談ですが、私はこれが重複していると確信しており、あなたはここのどこかに答えを見つけることができます

私はゴードンに同意します。HTMLを解析するには、HTMLパーサーを使用する必要があります。しかし、本当に正規表現が必要な場合は、これを試すことができます：

/^<a.*?href=(["\'])(.*?)\1.*$/

これ<aは文字列の先頭で一致し、その後に任意の数の任意の文字（貪欲ではない）が続き、.*?その後にまたはでhref=囲まれたリンクが続きます"'

$str = '<a title="this" href="that">what?</a>';
preg_match('/^<a.*?href=(["\'])(.*?)\1.*$/', $str, $m);
var_dump($m);

出力：

array(3) {
  [0]=>
  string(37) "<a title="this" href="that">what?</a>"
  [1]=>
  string(1) """
  [2]=>
  string(4) "that"
}

あなたが探したいパターンは（何か）のようなリンクアンカーパターンです：

$regex_pattern = "/<a href=\"(.*)\">(.*)<\/a>/";

どうして一致しないの？

"<a.*?href\s*=\s*['"](.*?)['"]"

<?php

$str = '<a title="this" href="that">what?</a>';

$res = array();

preg_match_all("/<a.*?href\s*=\s*['\"](.*?)['\"]/", $str, $res);

var_dump($res);

?>

その後

$ php test.php
array(2) {
  [0]=>
  array(1) {
    [0]=>
    string(27) "<a title="this" href="that""
  }
  [1]=>
  array(1) {
    [0]=>
    string(4) "that"
  }
}

動作します。最初のキャプチャブレースを削除しました。

それでもSimpleXMLを使用して非常に簡単かつ高速にソリューションを取得できない人のために

$a = new SimpleXMLElement('<a href="www.something.com">Click here</a>');
echo $a['href']; // will echo www.something.com

それは私のために働いています

ここで何をしようとしているのかわかりませんが、リンクを検証しようとしている場合は、PHPのfilter_var（）を確認してください。

本当に正規表現を使用する必要がある場合は、このツールをチェックしてください：http : //regex.larsolavtorvik.com/

あなたの正規表現を使用して、あなたのニーズに合うように少し修正しました。

<a.*?href=("|')(.*?)("|').*?>(.*)<\/a>

個人的には、HTMLパーサーを使用することをお勧めします

編集：テスト済み

クイックテスト：<a\s+[^>]*href=(\"\'??)([^\1]+)(?:\1)>(.*)<\/a>1つ目の一致が "または"、2番目は "href"値、 "3つ目"、3つ目は "何ですか？"でトリックを実行するようです。

「/」の最初の一致をそこに残した理由は、それを使用して、後で「/」を閉じるためにそれを後方参照して、同じにすることができるためです。

次のライブ例をご覧ください：http : //www.rubular.com/r/jsKyK2b6do

preg_match_all（ "/（] >）（。 ）（</ A）/？"、$内容、$ impmatches、PREG_SET_ORDER）。

それはテストされ、任意のhtmlコードからすべてのタグをフェッチします。

次は私のために働いており、アンカータグhrefとvalueの両方を返します。

preg_match_all("'\<a.*?href=\"(.*?)\".*?\>(.*?)\<\/a\>'si", $html, $match);
if($match) {
    foreach($match[0] as $k => $e) {
        $urls[] = array(
            'anchor'    =>  $e,
            'href'      =>  $match[1][$k],
            'value'     =>  $match[2][$k]
        );
    }
}

呼び出される多次元配列に$urlsは、使いやすい連想サブ配列が含まれています。