PHP 正則表達式提取超鏈接與標題實戰技巧

問題場景

HTML 結構不規則，需提取所有 <a> 標簽的 href 與鏈接文本。

源 HTML 片段

$str = '<a id="top8" href="https://list.MP3.baidu.com/song/A.htm?top8" class="p14" target="_top">歌曲列表</a><br>
<a target="_blank" id="bp" href="https://list.mp3.baidu.com/list/bangping.html" class="p14">中文金曲榜</a><br>
<td nowrap="nowrap">&#8226;&nbsp;<a id="top19" href="qingyinyue.html?top19" class="p14" target="_top">輕音樂</a></td>';

正則方案

$pat = '/<a(.*?)href="(.*?)"(.*?)>(.*?)<\/a>/i';
preg_match_all($pat, $str, $m);

正則解析

• <a(.*?)：非貪婪匹配標簽屬性
• href="(.*?)"：捕獲組 2 — 鏈接地址
• (.*?)：非貪婪跳過其餘屬性
• >(.*?)<\/a>：捕獲組 4 — 鏈接文本
• /i：大小寫不敏感

結果輸出

print_r($m[2]);  // 所有 href
print_r($m[4]);  // 所有鏈接文本

// 或構建列表
for ($i = 0; $i < count($m[2]); $i++) {
    echo '<li><a href="' . $_SERVER['PHP_SELF'] . '?url=' . urlencode($m[2][$i]) . '">' . $m[4][$i] . '</a>';
}

輸出結果

Array(
    [0] => https://list.mp3.baidu.com/song/A.htm?top8
    [1] => https://list.mp3.baidu.com/list/bangping.html
    [2] => qingyinyue.html?top19
)
Array(
    [0] => 歌曲列表
    [1] => 中文金曲榜
    [2] => 輕音樂
)

應用擴展

• 網頁採集器核心邏輯
• 站點地圖生成器
• 死鏈檢測工具
• 內容遷移腳本

提示：複雜 HTML 解析建議使用 DOMDocument + DOMXPath，正則僅適用於結構相對固定、輕量級提取場景。