电梯直达

1楼 [收藏(0)] [报告]

发表于 2005-11-06 14:59 |只看该作者 |倒序浏览

[正则测试] 通用HTML标准超链接参数取得正则表达式测试

因为最近要做一个类似专业搜索引擎的东西，需要抓取网页的所有超链接。
大家帮忙测试一下子，下面的代码是否可以针对所有的标准超链接。

测试代码如下：

<?php
// --------------------------------------------------------------------------
// File name : Noname1.php
// Description : 通用链接参数获取正则表达式测试
// Requirement : PHP4 (http://www.php.net)
// Copyright(C), HonestQiao, 2005, All Rights Reserved.
// Author: HonestQiao (honestqiao@hotmail.com)
// 参数说明:
// $strSource: 包含标准链接的HTML网页
// $strResult: 处理的结果
// 附加说明:
// 标准链接，使用<a></a>形势包含的链接
// --------------------------------------------------------------------------
$strSource = <<<HTML
<a href=1.htm>t1</a>
<a href='2.htm'>t2</a>
<a href="3.htm">t3</a>
<a href=4.htm class=link>t4</a>
HTML;
preg_match_all('/<a.*?(?: |\\t|\\r|\\n)?href=[\'"]?(.+?)[\'"]?(?:(?: |\\t|\\r|\\n)+.*?)?>(.+?)<\/a.*?>/sim', $strSource, $strResult, PREG_PATTERN_ORDER);
for($i = 0; $i < count($strResult[1]); $i++)
{
printf("%d href=(%s) title=(%s) \n", $i, $strResult[1][$i], $strResult[2][$i]);
}
?>

复制代码

如果您的测试数据，符合标准链接，但是此处没有被处理出来，请告诉我测试数据，以及你的测试环境。

谢谢。

也欢迎提供任何怪异的超链接，不过使用javascript来打开链接的除外。

[ 本帖最后由 HonestQiao 于 2005-11-6 21:29 编辑 ]

2楼 [报告]

发表于 2005-11-06 17:44 |只看该作者

版大很多我看不懂可否提供正则表达方法的一些资料
我知道手册有点但那点点远远不够^_^

3楼 [报告]

发表于 2005-11-06 18:37 |只看该作者

http://www.pcre.org/

如果要深究，可以查看这里。

太深奥而其表达也太过于简略，无法用通俗的语言去表达和解释。

4楼 [报告]

发表于 2005-11-06 20:27 |只看该作者

匹配总是不能做到适应任何情况的，只要能适应一些常见的标记方法就OK了，否则不是一个正则能搞定的，浏览器在分析html标记时极其错误的写法也就忽略

这个有个问题asdfhref="1.htm"这也能获取到不太合适把，这样就不成获取属性了，得改改

5楼 [报告]

发表于 2005-11-06 21:18 |只看该作者

原帖由 cloudchen 于 2005-11-6 20:27 发表
匹配总是不能做到适应任何情况的，只要能适应一些常见的标记方法就OK了，否则不是一个正则能搞定的，浏览器在分析html标记时极其错误的写法也就忽略

这个有个问题asdfhref="1.htm"这也能获取到不太合 ...

等一下子我在修改，嘿嘿。

[ 本帖最后由 HonestQiao 于 2005-11-6 21:24 编辑 ]

6楼 [报告]

发表于 2005-11-06 21:21 |只看该作者

已经修正了，作为：

preg_match_all('/<a.*?(?: |\\t|\\r|\\n)?href=[\'"]?(.+?)[\'"]?(?:(?: |\\t|\\r|\\n)+.*?)?>(.+?)<\/a.*?>/sim', $strSource, $strResult, PREG_PATTERN_ORDER);

复制代码

[ 本帖最后由 HonestQiao 于 2005-11-6 21:29 编辑 ]