解析外部网页并提取所有网址并链接内容中的文本

Question

我想解析外部网页，并使用PHP提取所有网址并链接文本。

例如，

$content="<a href="http://google.com" target="_blank"> google</a> is very good search engine <a href="http://gmail.com" target="_blank">Gmail </a> is provided by google. 

输出：

http//google.com  google 
http//gmail.com  Gmail 

的建议是非常感谢！

Answer 1

您可以使用此正则表达式href="([a-zA-Z0-9://. ]+)"

用法示例

$pattern = 'href="([a-zA-Z0-9://. ]+)"'; 
$content = file_get_contents(FILE NAME HERE); 
preg_match($pattern, $content, $matches); 

print_r($matches); 

这将列出所有链接。然后你可以解析它们。

Answer 2

如果你想提取使用正则表达式的URL和文本，然后下面应该工作：

<\s*a\s*href\s*=\"(?<url>.*)\">(?<text>.*)</a> 

然而，随着RegEx解析HTML是不是一个好主意，你可以使用DOM类代替。

编辑

$content = "< a href="http://google.com" target="_blank"> google</a> is very good search engine < a href="http://gmail.com" target="_blank">Gmail </a> is provided by google ."; 

$html = new DOMDocument(); 
$html->loadHTML($content); 

$anchors = $html->getElementsByTagName('a'); 
foreach ($anchors as $anchor) { 
     echo $anchor->getAttribute('href') . "\t" . $anchor->nodeValue; 
}