php - 获取 A 元素的 href 属性

Question

试图找到页面上的链接。

我的正则表达式是:

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

但似乎失败了

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

我将如何更改我的正则表达式以处理未放在 a 标签中第一位的 href？

Answer 1

Reliable Regex for HTML are difficult .这是使用 DOM 的方法:

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

上面会找到并输出 "outerHTML" $html 字符串中的所有 A 元素。

要获取节点的所有文本值，您可以

echo $node->nodeValue; 

要检查 href 属性是否存在，您可以这样做

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

获取 href 属性

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

要更改 href 属性你会做

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

要删除 href 属性，您需要这样做

$node->removeAttribute('href'); 

您还可以直接使用 XPath 查询 href 属性

$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
}

另见:

• Best methods to parse HTML
• DOMDocument in php

旁注:我确定这是重复的，您可以 find the answer somewhere in here