Javascript regex для извлечения текста привязки и URL из привязанных тегов

Ответ 1

var matches = [];

input_content.replace(/[^<]*(<a href="([^"]+)">([^<]+)<\/a>)/g, function () {
    matches.push(Array.prototype.slice.call(arguments, 1, 4))
});

Это предполагает, что ваши якоря всегда будут в форме <a href="...">...</a>, то есть они не будут работать, если есть другие атрибуты (например, target). Регулярное выражение может быть улучшено для этого.

Чтобы разбить регулярное выражение:

/ -> start regular expression
  [^<]* -> skip all characters until the first <
  ( -> start capturing first token
    <a href=" -> capture first bit of anchor
    ( -> start capturing second token
        [^"]+ -> capture all characters until a "
    ) -> end capturing second token
    "> -> capture more of the anchor
    ( -> start capturing third token
        [^<]+ -> capture all characters until a <
    ) -> end capturing third token
    <\/a> -> capture last bit of anchor
  ) -> end capturing first token
/g -> end regular expression, add global flag to match all anchors in string

Каждый вызов нашей анонимной функции получит три токена в качестве второго, третьего и четвертого аргументов, а именно аргументы [1], аргументы [2], аргументы [3]:

• arguments [1] - это весь якорь
• arguments [2] - это часть href
• arguments [3] - текст внутри

Мы будем использовать взломать эти три аргумента в качестве нового массива в наш основной массив matches. Встроенная переменная arguments не является истинным массивом JavaScript, поэтому нам нужно применить метод split Array для извлечения нужных элементов:

Array.prototype.slice.call(arguments, 1, 4)

Это будет извлекать элементы из arguments начиная с индекса 1 и заканчивая (не включительно) с индексом 4.

var input_content = "blah \
    <a href=\"http://yahoo.com\">Yahoo</a> \
    blah \
    <a href=\"http://google.com\">Google</a> \
    blah";

var matches = [];

input_content.replace(/[^<]*(<a href="([^"]+)">([^<]+)<\/a>)/g, function () {
    matches.push(Array.prototype.slice.call(arguments, 1, 4));
});

alert(matches.join("\n"));

дает:

<a href="http://yahoo.com">Yahoo</a>,http://yahoo.com,Yahoo
<a href="http://google.com">Google</a>,http://google.com,Google

Ответ 2

Так как вы предположительно запускаете javascript в веб-браузере, regex кажется для этого плохой идеей. Если абзац пришел со страницы в первую очередь, получите дескриптор контейнера, вызовите .getElementsByTagName(), чтобы получить привязки, а затем извлеките значения, которые вы хотите таким образом.

Если это невозможно, создайте новый элемент элемента html, присвойте ему свой текст свойству .innerHTML, а затем вызовите .getElementsByTagName().

Ответ 3

Я думаю, что у Джоэла есть право на это - регулярные выражения, как известно, плохо играют с разметкой, так как слишком много возможностей для рассмотрения. Существуют ли другие атрибуты привязанных тегов? В каком порядке они? Является ли разделяющим пробелом всегда одно пространство? Увидев, что у вас уже есть браузер HTML синтаксический анализатор, лучше всего использовать его для работы.

function getLinks(html) {
    var container = document.createElement("p");
    container.innerHTML = html;

    var anchors = container.getElementsByTagName("a");
    var list = [];

    for (var i = 0; i < anchors.length; i++) {
        var href = anchors[i].href;
        var text = anchors[i].textContent;

        if (text === undefined) text = anchors[i].innerText;

        list.push(['<a href="' + href + '">' + text + '</a>', href, text];
    }

    return list;
}

Это вернет массив, подобный тому, который вы описываете, независимо от того, как хранятся ссылки. Обратите внимание, что вы можете изменить функцию для работы с переданным элементом вместо текста, изменив имя параметра на "контейнер" и удалив первые две строки. Свойство textContent/innerText получает текст, отображаемый для ссылки, лишенный любой разметки (полужирный/курсив/шрифт/...). Вы можете заменить .textContent на .innerHTML и удалить внутренний оператор if(), если хотите сохранить разметку.

Ответ 4

Я думаю, JQuery будет вашим лучшим выбором. Это не лучший script, и я уверен, что другие могут дать что-то лучшее. Но это создает массив именно того, что вы ищете.

<script type="text/javascript">
    // From http://brandonaaron.net Thanks!
    jQuery.fn.outerHTML = function() {
        return $('<div>').append( this.eq(0).clone() ).html();
    };    

    var items = new Array();
    var i = 0;

    $(document).ready(function(){
        $("a").each(function(){
            items[i] = {el:$(this).outerHTML(),href:this.href,text:this.text};
            i++;      
        });
    });

    function showItems(){
        alert(items);
    }

</script>

Ответ 5

В интересах поисковиков: я создал что-то, что будет работать с дополнительными атрибутами в теге привязки. Для тех, кто не знаком с Regex, значениями доллара ($ 1 и т.д.) Являются совпадения групп регулярных выражений.

var text = 'This is my <a target="_blank" href="www.google.co.uk">link</a> Text';
var urlPattern = /([^+>]*)[^<]*(<a [^>]*(href="([^>^\"]*)")[^>]*>)([^<]+)(<\/a>)/gi;
var output = text.replace(urlPattern, "$1___$2___$3___$4___$5___$6");
alert(output);

См. раздел jsFiddle и regex101.

В качестве альтернативы вы можете получить информацию из таких групп:

var returnText = text.replace(urlPattern, function(fullText, beforeLink, anchorContent, href, lnkUrl, linkText, endAnchor){
                    return "The bits you want e.g. linkText";
                });

Ответ 6

Чтобы извлечь URL-адрес:

var pattern =/.href= "(.)".*/; var url = string.replace(pattern, '$ 1');

Демо:

//var string = '<a id="btn" target="_blank" class="button" href="#" onclick="location.href='https://yourdomainame.com:4089?param=751&amp;2ndparam=2345'; return false;">Buy Now</a>;'
//uncomment the above as an example of link.outerHTML

var string = link.outerHTML
var pattern = /.*href="(.*)".*/;
var href = string.replace(pattern,'$1');
alert(href)

Для "якорного текста", почему бы не использовать: link.innerHtml