相关疑难解决方法(0)

如何解析HTML/XML并从中提取信息？

我需要匹配所有这些开始标记:

<p>
<a href="foo">

但不是这些:

<br />
<hr class="foo" />

我想出了这个,并希望确保我做对了.我只抓住了a-z.

<([a-z]+) *[^/]*?>

我相信它说:

• 找一个小于,然后
• 然后,查找(并捕获)az一次或多次
• 然后找到零个或多个空格
• 找到任何字符零次或多次,贪婪/,然后
• 找到一个大于

我有这个权利吗？更重要的是,你怎么看？

似乎stackoverflow上的每个问题,其中提问者使用正则表达式从HTML中获取一些信息将不可避免地有一个"答案",表示不使用正则表达式来解析HTML.

为什么不？我知道那里有引用 - 不引用"真正的"HTML解析器,比如Beautiful Soup,我相信它们是强大而有用的,但是如果你只是做一些简单,快速或肮脏的事情,那么为什么当一些正则表达式语句运行得很好时,麻烦​​使用如此复杂的东西？

此外,是否有一些基本的东西,我不了解正则表达式,这使得它们一般是解析的错误选择？

试图在页面上找到链接.

我的正则表达式是:

/<a\s[^>]*href=(\"\'??)([^\"\' >]*?)[^>]*>(.*)<\/a>/

但似乎失败了

<a title="this" href="that">what?</a>

我如何更改我的正则表达式来处理未首先放在标签中的href？

当我从某些页面抓取内容时,该脚本会提供相对URL.是否可以使用Simple HTML DOM获取绝对URL？

可能重复:
解析URL的网站

如何使用PHP获取网页中的所有链接？

我需要获得一个链接列表: -

谷歌

我想要获取href(http://www.google.com)和文字(Google)

-------------------情况是: -

我正在构建一个爬虫,我希望它能获得数据库表中存在的所有链接.