我想在PHP中使用regex和preg_match_all()解析html文档中的twitter配置文件链接。twitter链接如下:
http(s)://twitter.com/#!/twitter_name
我只想抓取的链接是纯粹的个人资料页(如。
我想处理http和https(因为这在这些链接中很常见)。
我还想处理//www.twitter.com和//twitter.com(也很常见)。
我应该如何构建我的正则表达式?
最通用的正则表达式(止于"/"或空格):
(https?:)?'/'/(www'.)?twitter.com'/(#!'/)?([^'/ ].)+
不如这样写:
(https?:)*'/'/(www.)*twitter.com'/#!/([A-Za-z0-9_]*)
我不确定在Twitter句柄中哪些字符是有效的，但我假设0-9，字母和下划线。
最好在不区分大小写模式下运行，并去掉A-Z。
Try
preg_match_all('|https?://(?:www'.)?twitter.com/#!/[a-z0-9_]+|im', $text, $matched)
不知道确切的字符可以在推特用户名，所以我假设[a-z0-9_]+。$matched[1]应该是用户名
尝试如下:
preg_match_all('~https?://(?:www'.)?twitter.com/#!/([a-z0-9_]+)~im', $html, $matches);
$matches[1]包含匹配的用户名。
EDIT:有关用户名中可以出现哪些字符的更多信息，请参阅此回答，更多一般信息请参阅此Twitter工程页面。