PHP 正則表達式提取 HTML 超連結中的 href 地址完整指南

在 Web 開發中，經常需要從 HTML 字符串中提取或過濾外部連結。本文將詳細介紹如何使用 PHP 正則表達式高效提取 <a href="..."> 標籤中的連結地址，並提供實用的代碼範例與進階技巧。

核心正則表達式解析

針對 <a> 標籤的 href 屬性，推薦使用以下正則模式：

$preg = '/<a .*?href="(.*?)".*?>/is';

模式解析：

• i：忽略大小寫，匹配 <A> 或 <a>
• s：單行模式，讓 . 也能匹配換行符
• .*?：非貪婪匹配任意字符，確保精準捕獲屬性值
(.*?)：捕獲組，提取引號內的實際 URL

完整提取範例

<?php
$preg = '/<a .*?href="(.*?)".*?>/is';
$str = '<a href="鏈接1">URLNAME</a>文本段1<a href="鏈接2" target="_blank">URLNAME</a>文本段2<a target="_blank" href="鏈接3">URLNAME</a>...文本段n';

preg_match_all($preg, $str, $match);

for ($i = 0; $i < count($match[1]); $i++) {
    echo $match[1][$i] . "<br />";
}
?>

輸出結果：

鏈接1<br />鏈接2<br />鏈接3<br />

進階應用：提取圖片 src 地址

同理可推廣至圖片連結提取，以下為實用範例：

<?php
$str = '<p style="padding: 0px; margin-top: 0px; margin-bottom: 0px; line-height: 200%;"><img border="0" src="upfiles/2009/07/1246430143_4.jpg" alt=""/></p><p style="padding: 0px; margin-top: 0px; margin-bottom: 0px; line-height: 200%;"><img border="0" src="upfiles/2009/07/1246430143_3.jpg" alt=""/></p><p style="padding: 0px; margin-top: 0px; margin-bottom: 0px; line-height: 200%;"><img border="0" src="upfiles/2009/07/1246430143_1.jpg" alt=""/></p>';

$pattern = '/<[img|IMG].*?src=[\'|"](.*?(?:\.gif|\.jpg))[\'|"].*?[\/]?>/';
preg_match_all($pattern, $str, $match);
print_r($match);
?>

最佳實踐建議

1. 優先考慮 DOMDocument：複雜 HTML 結構建議使用 DOMDocument + DOMXPath，更健壯且符合標準
2. 正則邊界限制：實際專案中建議加強邊界條件，避免誤匹配 JavaScript 字符串或註釋中的 URL
3. 編碼處理：處理中文 URL 時注意 urlencode/urldecode 配合使用

掌握這些技巧，能讓你在爬蟲開發、內容過濾、鏈接檢測等場景中遊刃有餘。