PHP正则表达式：提取并过滤HTML链接

本文档主要介绍了在PHP编程中如何有效地使用正则表达式来处理HTML内容，特别是提取和替换链接。首先，我们关注于一个常见的PHP代码片段，展示了如何使用`preg_replace`函数，该函数接受一个正则表达式模式和替换字符串，以及原始字符串。在这个例子中： ```php $str = preg_replace("/(<a.*?>)(.*?)(<\/a>)/", '\1<span class="link">\2</span>\3', $str); ``` 这段代码通过三个子模式（各在圆括号内）匹配链接：第一个模式`(<a.*?>)`匹配链接开始标签（包括可能存在的任何字符直到`</a>`前），第二个模式`(.+?)`匹配链接文本（非贪婪模式，尽可能少地匹配字符），第三个模式`<\/a>`匹配链接结束标签。`\1`, `\2`, 和 `\3` 是反向引用，分别代表三个子模式的匹配结果。 接下来，文档介绍了一个名为`GetAllLink`的PHP函数，用于从HTML字符串中提取所有链接，同时过滤掉电子邮件地址并去除重复项。这个函数采用多步处理过程： 1. 删除换行符，确保字符串一致性：`$string = str_replace("\r", "", $string);` 和 `str_replace("\n", "", $string);` 2. 定义正则表达式模式，分别匹配URL和电子邮件地址： - `$regex[url]` 匹配URL格式的链接 - `$regex[email]` 匹配电子邮件地址 3. 使用`eregi_replace`函数逐个去除特定格式的文本，如标签内的文本、JavaScript代码、非`<a>`标签、以及电子邮件链接。 4. 最后，使用`eregi_replace`替换需要保留的网页链接，将其包裹在新的HTML结构中。 这个函数的关键在于灵活运用正则表达式进行模式匹配，并结合PHP字符串处理函数，实现对HTML内容的深入解析和筛选。通过这些方法，开发者能够高效地在PHP项目中处理和操作HTML内容，满足各种链接提取和格式化的需求。