一个正则求助 正则, 求助

落叶人生

有一个提取链　接的正则

1. 
   
2. preg_match_all("'<\s*a\s.*?href\s*=\s*([\"\'])?(?(1)(.*?)\\1|([^\s\>]+))[^>]*>?(.*?)</a>'isx",$document,$links);

复制代码

对于一般的规范链　接能很好的使用，但不知道为什么对href=后面的网址不含引号的情况无法提取成功，哪个朋友帮分析下？谢谢！

CFC4N

分析见这里。如有不当，请斧正。
http://www.cnxct.com/snoopy-clas ... %E5%88%86%E6%9E%90/

那个故事

此正则写得太死

落叶人生

此正则写得太死
那个故事 发表于 2010-7-25 13:04

    此正则修改于Snoopy.class.php中的_striplinks
原函数：

1. 
   
2. function _striplinks($document)
   
3. {
   
4.   preg_match_all("'<\s*a\s.*?href\s*=\s*   # find <a href=
   
5.       ([\"\'])?     # find single or double quote
   
6.       (?(1) (.*?)\\1 | ([^\s\>]+))  # if quote found, match up to next matching
   
7.              # quote, otherwise match up to next space
   
8.       'isx",$document,$links);
   
9.       
   
10.   // catenate the non-empty matches from the conditional subpattern
    
11.   while(list($key,$val) = each($links[2]))
    
12.   {
    
13.    if(!empty($val))
    
14.     $match[] = $val;
    
15.   }   
    
16.   
    
17.   while(list($key,$val) = each($links[3]))
    
18.   {
    
19.    if(!empty($val))
    
20.     $match[] = $val;
    
21.   }  
    
22.   
    
23.   // return the links
    
24.   return $match;
    
25. }

复制代码

落叶人生

回复 4# CFC4N


    非常感谢，但是我用

1. 
   
2. preg_match_all("'<\s*a\s.*?href\s*=\s*([\"\'])?(?(1)(.*?)\\1|([^\s\>]+))[^>]*>?(.*?)</a>'isx",'<a href=a.htm>fffffffff</a> <a href="dfssdfsgshttp://www.baidu.com">dfssdfsgs</a> <a href="c">ededsfa</a>',$links);

复制代码

第一个链接a.htm并不能匹配到

www333

回复 5# 落叶人生


    是可以匹配到的，print_r($links[0]);可知 。可能你需要的是href部分，有引号时它分开两个数组返回，$links[2]是无 a.htm 的，在$links[3]。删掉里面的“?(1)”，不作条件判断即可。

1. 
   
2. preg_match_all("'<\s*a\s.*?href\s*=\s*([\"\'])?((.*?)\\1|([^\s\>]+))[^>]*>?(.*?)</a>'isx",'<a href=a.htm>fffffffff</a> <a href="dfssdfsgshttp://www.baidu.com">dfssdfsgs</a> <a href="c">ededsfa</a>',$links);  
   
3. print_r($links[2]);

复制代码

落叶人生

回复 6# www333


    哦，可以这样解决啊，呵呵，非常感谢，我昨天通过将$link[3]与$link[2]合并解决了，作了个循环，可以效率稍低些