1
votes

Comment attraper des liens avec des espaces optionnels en PHP?

À partir d'un file_get_contents , j'obtiens le code HTML d'une URL.

preg_match_all('/class=\"four-column mosaicElement\"><a href=\"(.+?)\" title=\"(.+?)"/m', $html, $urls, PREG_SET_ORDER, 0);

foreach ($urls as $key => $url) {
    echo $url[1];
}

Maintenant, je voudrais capturer le lien href .

Le code HTML est:

<li class="four-column mosaicElement">
<a href="https://example.com" title="Lorem ipsum">
...
</a>
</li>
<li class="four-column mosaicElement">
<a href="https://example.org" title="Lorem ipsum">
...
</a>
</li>

J'utilise donc ceci:

$html = file_get_contents($url);

Comment puis-je résoudre ce problème?

php regex regex-group preg-match-all

1 commentaires

Je pense que vous devriez ajouter une nouvelle ligne \ n ou \ R après class = \ "quatre colonnes mosaicElement \"> \ R . regex101.com/r/GtBZfG/1 Pourquoi ne pas utiliser DOMDocument à la place?

3 Réponses :

3
votes

J'ai pu faire fonctionner votre code en modifiant simplement le modèle de regex comme suit:

https://example.com
https://example.org

Notez attentivement que j'autorise toute quantité d'espace entre la classe code> de la balise externe (

) et de l'ancre interne.

Voici votre script mis à jour:

$html = "<li class=\"four-column mosaicElement\">\n<a href=\"https://example.com\" title=\"Lorem ipsum\">\n</a>\n</li>\n<li class=\"four-column mosaicElement\">\n<a href=\"https://example.org\" title=\"Lorem ipsum\">\n</a>\n</li>";
preg_match_all('/class="four-column mosaicElement">\s*<a href="(.+?)" title="(.+?)"/m', $html, $urls, PREG_SET_ORDER, 0);

foreach ($urls as $key => $url) {
    echo $url[1] . "\n";
}

Ceci imprime:

class="four-column mosaicElement">\s*<a href="(.+?)" title="(.+?)"
                                 ^^^^^

0 commentaires

3
votes

Une autre option consiste à utiliser DOMXPath avec une expression xpath qui trouve tous les éléments de la liste avec les deux noms de classe, puis obtient les ancres:

https://example.com
https://example.org

Par exemple:

$string = <<<DATA
<li class="four-column mosaicElement">
<a href="https://example.com" title="Lorem ipsum">
</a>
</li>
<li class="four-column mosaicElement">
<a href="https://example.org" title="Lorem ipsum">
</a>
</li>
DATA;

$dom = new DOMDocument();
$dom->loadHTML($string);
$xpath = new DOMXpath($dom);

foreach($xpath->query("//li[contains(@class, 'four-column') and contains(@class, 'mosaicElement')]/a") as $v) {
    echo $v->getAttribute("href") . PHP_EOL;
}

Résultat

//li[contains(@class, 'four-column') and contains(@class, 'mosaicElement')]/a

Voir une démo php

0 commentaires

1
votes

Ici, nous pouvons également utiliser une expression avec une anticipation positive et des espaces optionnels, juste au cas où

https://example.com
https://example.org
https://example.org
https://example.org

et les URL souhaitées sont dans ce groupe:

$re = '/(?=class="four-column mosaicElement")[\s\S]*?href="\s*(https?[^\s]+)\s*"/m';
$str = '<li class="four-column mosaicElement">
<a href="https://example.com" title="Lorem ipsum">
...
</a>
</li>
<li class="four-column mosaicElement">
<a href="https://example.org" title="Lorem ipsum">

<li class="four-column mosaicElement">
<a href="   https://example.org   " title="Lorem ipsum">

<li class="four-column mosaicElement">
<a href="   https://example.org                " title="Lorem ipsum">
...
</a>
</li>
';

preg_match_all($re, $str, $matches, PREG_SET_ORDER, 0);

foreach ($matches as $key => $url) {
    echo $url[1] . "\n";
}

DEMO

TEST h3 >

(https?[^\s]+)

Sortie

(?=class="four-column mosaicElement")[\s\S]*?href="\s*(https?[^\s]+)\s*"

Circuit RegEx

jex.im visualise les expressions régulières:

0 commentaires