PHP регулярного выражения для разбора HTML

Question

мне нужна помощь, чтобы разобрать HTML, извлекая все, начиная с HTTP:. //, не содержащий «а» до первого вхождения в "или" или пробеле

у меня есть некоторые регулярные выражения, как это /http:\/\/abc(.*)\"/, но это не работает: \

есть идеи?)

P.S. извините за плохой английский, это не мой естественный язык;)

Answer 1

StackOverflow, как правило, предпочитает документ HTML Parser над регулярными выражениями для разбора HTML.

Однако, если вы просто хотите, чтобы URL-адреса из строки, которая является HTML, я все же верю, что Regex отлично подходит для работы.

Попробуйте preg_match_all:

preg_match_all("/http:\/\/[^\s'\"]*abc[^\s'\"]*/", $string, $matches); 

Answer 2

Используйте синтаксический анализатор вместо регулярного выражения.

RegEx match open tags except XHTML self-contained tags

Answer 3

Если все, что вам нужно сделать, это извлечение URL-адреса, regexen являются хорошим выбором. Вам не нужно попасть в мир синтаксического анализатора.

Если у вас есть Unix-подобные инструменты командной вы могли бы приблизить его очень просто (предполагается, что один URL в каждой строке) с двумя проходами:

grep http myfile.html | grep abc 

Вы можете использовать preg_grep() аналогично.

preg_match_all ('/http:[^"\' ]+/', $html, $urls); 
# $urls contains all the urls from your document 
$abc_urls = preg_grep('/abc/', $urls);