如何检索HTML页面内的URL？

......... http://www.imdb.com/title/tt0092699/ ......

显然网址，也可以

http://www.imdb.co.uk/title/tt0092699/ HTTP ：//www.imdb.es/title/tt0092699/ http://www.imdb.com/title/tt0092699 https://www.imdb.com/title/tt0092699/ https://www.imdb.com/title/tt0092699

（。域，HTTP/HTTPS或没有最后的斜线）

来源

2012-01-30 sparkle

做协议独立的URL的问题？ – 2012-02-07 04:32:29

使用这个表达式：

preg_match("/https?:\/\/www.imdb\..*?\/title\/tt\d+\/?/", $html, $matches);

你想要的网址将在$matches[0]。

这里的正则表达式的含义，由片细分片：

/ =>开始正则表达式
https? =>字面http后跟可选s
:\/\/www.imdb\. =>字面://www.imdb.
.*?\/ =>匹配斜线前可能的最短字符串，然后是斜线;将匹配域端，不管它是（com，co.uk，es，等...）和第一斜线以下它
title\/ =>字面title/
tt\d+ =>字面tt随后在至少一个数位（这是一个贪婪的匹配，所以它会匹配最多的连续数字）。将您所提供
\/? =>可选最终/
/ =>结束正则表达式

来源

2012-01-30 12:34:59

我建议用正则表达式多选一点。 'http：//www.imdb.spoofeddnsat.example.com /.*'不是很好的数据来源。请改用'/ https？：\/\/www \ .imdb \ .com？（\。[a-z] {2}）？\ /.../'。 – ghoti 2012-01-31 06:02:30

哈哈。我会一直看到来自我银行的电子邮件“安全警告”。 – Graham 2012-01-31 06:08:32

这将很好地工作，它也将匹配URL的开始//这是独立于协议'方案'。

(https?:|//)[^\s"]+

来源

2012-01-31 05:23:54

“//”不是URL的有效开始。 – Graham 2012-01-31 06:05:13

恩，是的，这不值得投票。 http://paulirish.com/2010/the-protocol-relative-url/ – 2012-01-31 06:27:16

我的天啊！我不知道！谢谢！投票改变了。 :-) – Graham 2012-01-31 06:51:09

如何检索HTML页面内的URL？

回答

相关问题