Ungkapan Biasa PHP: Bagaimana untuk memadankan semua hiperpautan dalam HTML

Dalam dunia dalam talian moden, hiperpautan dalam halaman web telah menjadi bahagian yang sangat diperlukan. Sama ada tapak web atau e-mel, hiperpautan ialah cara penting untuk pengguna mengakses sumber lain. Hiperpautan dalam halaman web biasanya dilaksanakan melalui teg 3499910bf9dac5ae3c52d5ede7383485 dalam HTML. Tetapi apa yang anda lakukan jika anda ingin mencari dan mengekstrak semua hiperpautan dalam HTML? Di sinilah ungkapan biasa PHP berguna.

PHP ialah bahasa pembangunan web yang popular dan alat yang berkuasa untuk memproses dan memanipulasi HTML. PHP menyediakan beberapa fungsi terbina dalam dan alat asas untuk menghuraikan, memproses dan memanipulasi kod HTML, salah satu alat penting ialah ungkapan biasa. Ungkapan biasa ialah corak padanan rentetan umum yang boleh mencari dan menapis maklumat yang diperlukan dengan berkesan dalam HTML, termasuk hiperpautan.

Di bawah, kami akan meneroka langkah demi langkah cara menggunakan ungkapan biasa PHP untuk memadankan semua hiperpautan.

Gunakan fungsi preg_match_all() PHP

Dalam PHP, gunakan fungsi preg_match_all() untuk memadankan semua corak ungkapan biasa dan mengembalikan hasil yang sepadan. Sintaks asasnya adalah seperti berikut:

preg_match_all(pattern, subject, matches, flags, offset); Antaranya, maksud setiap parameter adalah seperti berikut:

$pattern : corak ungkapan biasa yang akan dipadankan. $subject : Rentetan untuk dipadankan. $matches : Tatasusunan digunakan untuk menyimpan hasil yang sepadan. Jika ditinggalkan, hasil yang sepadan dikembalikan. $flags : Benderakan bit, mengawal tingkah laku dan hasil padanan. Pilihan. $offset : Dari kedudukan mana dalam rentetan untuk mula dipadankan. Pilihan. Untuk memadankan semua hiperpautan dalam HTML, kita perlu terlebih dahulu menulis corak ungkapan biasa yang mematuhi peraturan hiperpautan, contohnya:

$pattern = '@ ]*?s+)?href="([^"]*)"@i'; Dalam corak ungkapan biasa ini, gunakan A kumpulan bukan tangkap (?:[^>]*?s+)? dicipta untuk memadankan atribut lain dalam teg a , dengan (?:...) mewakili kumpulan tidak menangkap dan [^>]*? mewakili padanan semua aksara kecuali > sehingga s+ atau muncul, > menunjukkan pilihan. ?

Semasa proses pemadanan, kita juga perlu mencari alamat hiperpautan, jadi kumpulan penangkap digunakan dalam corak, yang bermaksud untuk memadankan semua aksara yang tidak mengandungi ([^"]*) . Akhir sekali, gunakan " sebagai pemisah corak, dan tambahkan bendera @ untuk menunjukkan padanan yang mengabaikan huruf besar. i

Seterusnya, kita boleh menggunakan fungsi preg_match_all() untuk memadankan semua hiperpautan dalam HTML, contohnya: $html = file_get_contents('http://www.example.com'); $pattern = '@ ]*?s+)?href="([^"]*)"@i'; preg_match_all($pattern, $html, $matches); print_r($matches[1]);

Dalam contoh, kami menggunakan fungsi aliran fail file_get_contents( ) untuk mendapatkan HTML kandungan halaman Web dan simpannya dalam pembolehubah . Kemudian gunakan ungkapan biasa yang kami tulis sebelum ini untuk memadankan semua alamat hiperpautan dan menyimpan hasilnya dalam elemen pertama tatasusunan $html . Akhir sekali, kami menggunakan fungsi print_r() untuk mencetak semua alamat hiperpautan yang sepadan. $matches

Gunakan penghurai DOM

Selain menggunakan ungkapan biasa, anda juga boleh menggunakan penghurai DOM terbina dalam PHP untuk menghuraikan dokumen HTML. DOM (Document Object Model) ialah penghurai XML/HTML berdasarkan struktur pepohon Ia boleh menghuraikan dokumen HTML ke dalam struktur pepohon nod elemen DOM, menjadikannya mudah untuk dikendalikan dan mencari kandungan dan elemen dalam HTML.

Untuk menggunakan penghurai DOM dalam PHP untuk mencari semua hiperpautan dalam HTML, anda boleh mengikuti langkah berikut:

Pertama, kita perlu mencipta objek DOMDocument untuk memuatkan dokumen HTML. Contohnya: $doc = new DOMDocument(); $doc->loadHTMLFile('http://www.example.com');

Kaedah loadHTMLFile() dalam kelas DOMDocument digunakan di sini untuk memuatkan dan menghuraikan dokumen HTML. Selepas memuatkan, kita boleh menggunakan kaedah getElementsByTagName() untuk mendapatkan semua elemen tag . Contohnya: 3499910bf9dac5ae3c52d5ede7383485 $links = $doc->getElementsByTagName('a'); foreach ($links as $link) { echo $link->getAttribute('href') . ' '; }

Di sini, kami menggunakan gelung foreach untuk melintasi semua elemen tag dan menggunakan kaedah getAttribute() untuk mendapatkan nilai atribut 3499910bf9dac5ae3c52d5ede7383485 setiap elemen hiperpautan. Akhir sekali, gunakan gema untuk mengeluarkan setiap alamat hiperpautan. href

Menggunakan penghurai XPath

Selain penghurai DOM, PHP juga menyediakan penghurai berasaskan XPath (Bahasa Laluan XML, bahasa laluan XML) - DOMXPath. XPath ialah bahasa untuk memilih dan mencari nod dalam dokumen XML/HTML. DOMXPath menggunakan fungsi pemilihan bahasa XPath untuk memilih dan menapis elemen dan atribut dengan mudah dalam dokumen HTML.

Untuk menggunakan DOMXPath untuk memadankan hiperpautan dalam semua HTML, anda boleh mengikuti langkah ini.

Mula-mula anda perlu mencipta objek DOMDocument, kemudian menghuraikan ungkapan XPath melalui kaedah DOMXPath yang sepadan, dan akhirnya dapatkan hasil yang sepadan.

Sebagai contoh, coretan kod berikut menggunakan ungkapan XPath untuk memadankan semua teg //a[@href] dan hanya mendapatkan elemen dengan atribut 3499910bf9dac5ae3c52d5ede7383485 di dalamnya: href $doc = new DOMDocument(); $doc->loadHTMLFile('http://www.example.com'); $xpath = new DOMXPath($doc); $links = $xpath->query('//a[@href]'); foreach ($links as $link) { echo $link->getAttribute('href') . ' '; }

在这个代码片段中，我们先创建了一个 DOMDocument 对象并加载 HTML 页面，然后创建了一个 DOMXPath 对象。使用 query() 方法来解析 XPath 表达式，返回一个 DOMNodeList 对象，其中包含了所有匹配的元素节点。最后使用 foreach 循环遍历所有的 3499910bf9dac5ae3c52d5ede7383485 标签元素，并使用 getAttribute() 方法获取每个超链接元素的 href 属性值。最后，使用 echo 输出每个超链接地址。

总结

无论是使用正则表达式、DOM 解析器还是 XPath 解析器，都可以方便地在 HTML 中匹配和提取所有的超链接信息。不过，需要注意的是，在使用正则表达式时，由于 HTML 语言的复杂性和不规则性，需要针对具体情况编写相应的正则表达式模式，以确保匹配结果的准确性和可靠性。针对特定的场景和需求，可以选择合适的工具来进行 HTML 解析和处理，以便更好地满足项目的业务需求。

Ungkapan Biasa PHP: Bagaimana untuk memadankan semua hiperpautan dalam HTML

Artikel berkaitan