Afferrare l'attributo href di un elemento A.

Tentativo di trovare i link in una pagina.

la mia regex è:

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

ma sembra fallire

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

Come cambierei la mia regex per gestire href non posizionato per primo nel tag a?

Regex affidabile per HTML è difficile . Ecco come farlo con DOM :

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

Quanto sopra troverebbe e produrrebbe l ' "outerHTML" di tutti gli Aelementi nella $htmlstringa.

Per ottenere tutti i valori di testo del nodo, lo fai

echo $node->nodeValue; 

Per verificare se l' hrefattributo esiste puoi farlo

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

Per ottenere l' hrefattributo che faresti

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

Per cambiare l' hrefattributo faresti

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

Per rimuovere l' hrefattributo faresti

$node->removeAttribute('href'); 

È inoltre possibile eseguire una query per l' hrefattributo direttamente con XPath

$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
}

Vedi anche:

• I migliori metodi per analizzare l'HTML
• DOMDocument in php

Nota a margine: sono sicuro che questo sia un duplicato e puoi trovare la risposta da qualche parte qui

Sono d'accordo con Gordon, DEVI usare un parser HTML per analizzare l'HTML. Ma se vuoi davvero una regex puoi provare questa:

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

Questo partite <aAgli inizi della stringa, seguita da un numero qualsiasi di qualsiasi carattere (non avidi) .*?poi href=seguito dal link circondati da uno "o'

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

Produzione:

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

Il modello che vuoi cercare sarebbe il modello di ancoraggio del collegamento, come (qualcosa):

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

perché non combini

"<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);

?>

poi

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

che funziona. Ho appena rimosso le prime parentesi graffe di cattura.

Per chi ancora non ottiene le soluzioni molto facili e veloci usando SimpleXML

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

Sta funzionando per me

Non sono sicuro di cosa stai cercando di fare qui, ma se stai cercando di convalidare il collegamento, guarda il filtro_var () di PHP

Se hai davvero bisogno di usare un'espressione regolare, dai un'occhiata a questo strumento, potrebbe aiutarti: http://regex.larsolavtorvik.com/

Usando la tua regex, l'ho modificata un po 'per adattarla alle tue necessità.

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

Personalmente suggerisco di utilizzare un HTML Parser

EDIT: testato

Test rapido: <a\s+[^>]*href=(\"\'??)([^\1]+)(?:\1)>(.*)<\/a>sembra funzionare, con la prima corrispondenza "o", la seconda il valore "href" "quello" e la terza il "cosa?".

Il motivo per cui ho lasciato la prima corrispondenza di "/" è che puoi usarla per reindirizzarla successivamente per la chiusura "/", quindi è lo stesso.

Guarda un esempio dal vivo su: http://www.rubular.com/r/jsKyK2b6do

preg_match_all ("/ (] >) (. ?) (</ a) /", $ content, $ impmatches, PREG_SET_ORDER);

È testato e recupera tutti i tag da qualsiasi codice html.

Il seguente sta lavorando per me e restituisce entrambi hrefe valuedel tag di ancoraggio.

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]
        );
    }
}

L'array multidimensionale chiamato $urlscontiene ora sotto-array associativi facili da usare.