Question

htmlの<a>タグをスクラップする必要があります。

私の目標は、href属性内に有効なリンクを持つタグをスクラップすることです。

私は私が答えに非常に近いと思うが、これは私が書いた正規表現です：

<a .*href=("|').*\.asp("|').*?>.*?<\/a> 

http://regexr.com/3d989

FIRST ISSUE：

結果：

<a id='topnavbtn_tutorials' href='javascript:void(0);' onclick='w3_open_nav("tutorials")' title='Tutorials'>TUTORIALS <i class='fa fa-caret-down'></i><i class='fa fa-caret-up' style='display:none'></i></a><a id='topnavbtn_references' href='javascript:void(0);' onclick='w3_open_nav("references")' title='References'>REFERENCES <i class='fa fa-caret-down'></i><i class='fa fa-caret-up' style='display:none'></i></a><a id='topnavbtn_examples' href='javascript:void(0);' onclick='w3_open_nav("examples")' title='Examples'>EXAMPLES <i class='fa fa-caret-down'></i><i class='fa fa-caret-up' style='display:none'></i></a><a href='/forum/default.asp'>FORUM</a> 

と私だけが必要です：

<a href='/forum/default.asp'>FORUM</a> 

SECOND ISSUE：

結果：

<a href='/html/default.asp' class='w3-hide-small' title='HTML Tutorial'>HTML</a><a href='/css/default.asp' class='w3-hide-small' title='CSS Tutorial'>CSS</a><a href='/js/default.asp' class='w3-hide-small' title='JavaScript Tutorial'>JAVASCRIPT</a><a href='/sql/default.asp' class='w3-hide-small' title='SQL Tutorial'>SQL</a><a href='/php/default.asp' class='w3-hide-small' title='PHP Tutorial'>PHP</a><a href='/bootstrap/default.asp' class='w3-hide-small' title='Bootstrap Tutorial'>BOOTSTRAP</a><a href='/jquery/default.asp' class='w3-hide-small' title='jQuery Tutorial'>JQUERY</a><a href='/angular/default.asp' class='w3-hide-small' title='Angular Tutorial'>ANGULAR</a><a href='/xml/default.asp' class='w3-hide-small' title='XML Tutorial'>XML</a> 

と私は別々の結果として、それらを必要とする：

<a href='/html/default.asp' class='w3-hide-small' title='HTML Tutorial'>HTML</a> 

<a href='/css/default.asp' class='w3-hide-small' title='CSS Tutorial'>CSS</a> 

<a href='/js/default.asp' class='w3-hide-small' title='JavaScript Tutorial'>JAVASCRIPT</a> 

のように...

Answer 1

$string = "<a href='/html/default.asp' class='w3-hide-small' title='HTML Tutorial'>HTML</a><a href='/css/default.asp' class='w3-hide-small' title='CSS Tutorial'>CSS</a><a href='/js/default.asp' class='w3-hide-small' title='JavaScript Tutorial'>JAVASCRIPT</a><a href='/sql/default.asp' class='w3-hide-small' title='SQL Tutorial'>SQL</a><a href='/php/default.asp' class='w3-hide-small' title='PHP Tutorial'>PHP</a><a href='/bootstrap/default.asp' class='w3-hide-small' title='Bootstrap Tutorial'>BOOTSTRAP</a><a href='/jquery/default.asp' class='w3-hide-small' title='jQuery Tutorial'>JQUERY</a><a href='/angular/default.asp' class='w3-hide-small' title='Angular Tutorial'>ANGULAR</a><a href='/xml/default.asp' class='w3-hide-small' title='XML Tutorial'>XML</a>"; 

preg_match_all('%<a href=\'/.*?\'>.*?</a>%s', $string, $matches, PREG_PATTERN_ORDER); 
for ($i = 0; $i < count($matches[0]); $i++) { 
    echo $matches[0][$i]; 
} 

---

OUTPUT：

<a href='/html/default.asp' class='w3-hide-small' title='HTML Tutorial'>HTML</a> 
<a href='/css/default.asp' class='w3-hide-small' title='CSS Tutorial'>CSS</a> 
<a href='/js/default.asp' class='w3-hide-small' title='JavaScript Tutorial'>JAVASCRIPT</a> 
<a href='/sql/default.asp' class='w3-hide-small' title='SQL Tutorial'>SQL</a> 
<a href='/php/default.asp' class='w3-hide-small' title='PHP Tutorial'>PHP</a> 
<a href='/bootstrap/default.asp' class='w3-hide-small' title='Bootstrap Tutorial'>BOOTSTRAP</a> 
<a href='/jquery/default.asp' class='w3-hide-small' title='jQuery Tutorial'>JQUERY</a> 
<a href='/angular/default.asp' class='w3-hide-small' title='Angular Tutorial'>ANGULAR</a> 
<a href='/xml/default.asp' class='w3-hide-small' title='XML Tutorial'>XML</a> 

---

DEMO：

https://ideone.com/eFHU8n

---

注：

Why you shouldn't use regex to parse html

Answer 2

更新されました。下記参照。 HTMLを解析する好ましい手段は、正規表現ではありませんが、HTMLパーサを持つこと

// split the string up by anchor tags 
// nested anchor tags is illegal, so this seems feasible: 
var anchorArray = str.replace(/><a/g, '>¶<a').split('¶'); // ¶ is a placeholder to split 

var matches = []; 
var re = /<a .*href=["'].*\.asp["'].*?>.*?<\/a>/g; 

// filter out the anchor elements with actual links in the final HTML 
anchorArray.filter(function(element) { 
    if (re.test(element)) { 
     matches.push(element); // keep the match in an array (2nd condition) 
     return false; 
    } 
    else return true;  
}); 

var returnedHTML = anchorArray.join(''); // HTML w/o actual links (1st condition) 

注：文字列形式でHTMLを使用している場合は

は、あなたがこのような何かを行うことができます。

Answer 3

これは配列として変数試合にすべての一致を返します

var matches = []; 

input_content.replace(/[^<]*(<a href="([^"]+)">/w*<\a>)/g, function() { 
    matches.push(Array.prototype.slice.call(arguments, 1)) 
}); 

助けます！