PHP preg_match 从 HTML 页面查找和定位动态 URL

Question

我需要有关正则表达式的帮助，该正则表达式将根据插入到 HTML 页面的方式找到不同格式的链接。

我能够将页面读入 PHP。只是无法使用正确的正则表达式来查找 URL 并将它们隔离。

我有几个关于如何插入它们的例子。有时它们是纯文本链接，有些链接围绕它们。甚至在奇怪的情况下，不属于链接的文本会被无间距地插入。

文章 ID 和文章密钥永远不会相同。然而，文章键始终以数字结尾。如果可能的话，我肯定可以使用帮助。谢谢

Here are a few examples.
http://www.example.com/ArticleDetails.aspx?ArticleID=3D10045411&AidKey=3D-2086622941

http://example.com/ArticleDetails.aspx?ArticleID=10919199&AidKey=1956996566    

<a href="http://www.example.com/ArticleDetails.aspx?ArticleID=10773616&amp;AidKey=1998267392">http://www.example.com/ArticleDetails.aspx?ArticleID=10773616&amp;AidKey=1998267392</a>

<a href="http://www.example.com/ArticleDetails.aspx?ArticleID=10773616&amp;AidKey=1998267392">This is a link description</a>

http://example.com/ArticleDetails.aspx?ArticleID=10975137&AidKey=701321736this is not part of the url.

最后我只是在寻找网址。

http://example.com/ArticleDetails.aspx?ArticleID=10975137&AidKey=701321736

Answer 1

不要使用正则表达式！使用 XML 解析器...

$dom = DOMDocument::loadHTMLFile($pathToFile);
$finder = new DOMXpath($dom);
$anchors = $finder->query('//a[@href]');

foreach($anchors as $anchor){
  $href = $anchor->getAttribute('href');
  if(preg_match($regexToMatchUrls, $href)){
    //do stuff
  }
}

所以 $regexToMatchUrls 将是一个正则表达式 jsut 来匹配您正在寻找的 URL...而不是任何更简单的 html - 然后您可以在匹配发生时采取行动。

Answer 2

这个正则表达式对我有用：

/http:\/\/(www\.)?example\.com\/ArticleDetails.aspx\?ArticleID=(.*?)(\&|\&)AidKey=([\d\w-]*)/g

更新：
我在正则表达式的末尾添加了一个 \d 。

/http:\/\/(www\.)?example\.com\/ArticleDetails.aspx\?ArticleID=(.*?)(\&|\&)AidKey=([\d\w-]*)\d/g

要在 PHP 中使用它，您需要 /.../msi

PHP 示例：http:// ideone.com/N0TKM