在包含HTML代码的字符串中抓取URL - Grab URL within a string which contains HTML code

Grab URL within a string which contains HTML code

我有一个字符串，例如：

$html = '<p>hello<a href="https://www.youtube.com/watch?v=7HknMcG2qYo">world</a></p><p>hello<a href="https://youtube.com/watch?v=37373o">world</a></p>';

我想在字符串中搜索以youtube.com或youtu.be开头的第一个URL，并将其存储在变量$first_found_youtube_url中。

我如何才能有效地做到这一点？

我可以做preg_match或strpos来查找URL，但不确定哪种方法更合适。

我之前写过这个函数，它使用regex并返回一个唯一url数组。由于您想要第一个，因此可以只使用数组中的第一个项。

function getUrlsFromString($string) {
    $regex = '#'bhttps?://[^'s()<>]+(?:'(['w'd]+')|([^[:punct:]'s]|/))#i';
    preg_match_all($regex, $string, $matches);
    $matches = array_unique($matches[0]);           
    usort($matches, function($a, $b) {
        return strlen($b) - strlen($a);
    });
    return $matches;
}

示例：

$html = '<p>hello<a href="https://www.youtube.com/watch?v=7HknMcG2qYo">world</a></p><p>hello<a href="https://youtube.com/watch?v=37373o">world</a></p>';
$urls = getUrlsFromString($html);
$first_found_youtube = $urls[0];

使用YouTube特定正则表达式：

function getYoutubeUrlsFromString($string) {
    $regex = '#(https?:'/'/(?:www'.)?(?:youtube.com'/watch'?v=|youtu.be'/)([a-zA-Z0-9]*))#i';
    preg_match_all($regex, $string, $matches);
    $matches = array_unique($matches[0]);           
    usort($matches, function($a, $b) {
        return strlen($b) - strlen($a);
    });
    return $matches;
}

示例：

$html = '<p>hello<a href="https://www.youtube.com/watch?v=7HknMcG2qYo">world</a></p><p>hello<a href="https://youtube.com/watch?v=37373o">world</a></p>';
$urls = getYoutubeUrlsFromString($html);
$first_found_youtube = $urls[0];

您可以使用DOMDocument解析html，并使用stripos查找youtube url，类似于

$html = '<p>hello<a href="https://www.youtube.com/watch?v=7HknMcG2qYo">world</a></p><p>hello<a href="https://youtube.com/watch?v=37373o">world</a></p>';
$DOMD = @DOMDocument::loadHTML($html);
foreach($DOMD->getElementsByTagName("a") as $url)
{
    if (0 === stripos($url->getAttribute("href") , "https://www.youtube.com/") || 0 === stripos($url->getAttribute("href") , "https://www.youtu.be"))
    {
        $first_found_youtube_url = $url->getAttribute("href");
        break;
    }
}

就我个人而言，我可能会使用

"youtube.com"===parse_url($url->getAttribute("href"),PHP_URL_HOST)

不过，因为它会得到http和https链接。。这可能是你想要的，尽管严格来说，并不是你现在在最高职位上所要求的。。

我认为这将满足您的需求，我使用preg_match_all只是因为我发现调试正则表达式更容易。

<?php
$html = '<p>hello<a href="https://www.youtu.be/watch?v=7HknMcG2qYo">world</a></p><p>hello<a href="https://youtube.com/watch?v=37373o">world</a></p>';
$pattern = '/https?:'/'/(www'.)?youtu('.be|'com)'/[a-zA-Z0-9'?=]*/i';
preg_match_all($pattern, $html, $matches);
// print_r($matches);
$first_found_youtube = $matches[0][0];
echo $first_found_youtube;

演示-https://3v4l.org/lFjmK