Saisir l'attribut href d'un élément A

Question

Essayer de trouver les liens sur une page.

mon regex est:

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

mais semble échouer à

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

Comment pourrais-je changer mon regex pour traiter avec href non placé en premier dans la balise a?

Answer 1

Fiable Regex HTML sont difficiles. Voici comment le faire avec DOM:

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

Le ci-dessus serait de trouver et de sortie de la "outerHTML" de à tous A éléments dans l' $html chaîne de caractères.

Pour obtenir toutes les valeurs de texte du nœud, vous ne

echo $node->nodeValue; 

Pour vérifier si l' href attribut existe, vous pouvez le faire

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

Pour obtenir l' href attribut que vous souhaitez faire

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

Pour changer l' href attribut que vous souhaitez faire

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

Pour supprimer l' href attribut que vous souhaitez faire

$node->removeAttribute('href'); 

Vous pouvez également interroger pour l' href attribut directement avec 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
}

Voir aussi:

• Les meilleures méthodes pour analyser HTML
• Question de Noob sur DOMDocument en php

Sur une note: je suis sûr que c'est un doublon et vous pouvez trouver la réponse quelque part ici

Answer 2

Je suis d'accord avec Gordon, vous DEVEZ utiliser un analyseur HTML pour analyser le code HTML. Mais si vous voulez vraiment une regex, vous pouvez essayer celui-ci:

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

Cela correspond à <a au début de la chaîne, suivi d'un nombre quelconque de caractères (non glouton) .*? puis href= suivi du lien entouré de " ou '

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

Sortie:

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

Answer 3

Le modèle que vous souhaitez rechercher serait le modèle d'ancrage de lien, comme (quelque chose):

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

Answer 4

pourquoi ne pas juste correspondre

 "<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);

?>
 

puis

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

qui fonctionne. Je viens de retirer les premières accolades de capture.

Answer 5

Test rapide : `` semble faire l’affaire, avec le 1er match étant "ou", le second le « href » valeur « qui » et le troisième le « quoi ? ».

La raison pour laquelle j’ai quitté le premier match de « / "là-dedans est que vous pouvez l’utiliser pour backreference plus tard pour la fermeture « /" donc c’est la même chose.

Voir l’exemple direct sur : http://www.rubular.com/r/jsKyK2b6do