如何修改preg_match正则以抓取含HTML标签的Data Contact关联邮箱

这里提供两种可行的解决方案，根据需求选择：

方法一：先剥离HTML标签再匹配 #

这种方法最简单，先移除所有HTML标签还原为纯文本，再用优化后的匹配逻辑直接捕获邮箱：

$text = 'Some text  Some text 

<a href="mailto:lol@gmail.eu">lol@gmail.eu</a><br />

Data Contact: <a href="mailto:atest@gmail.sbr">atest@gmail.com</a>, <a href="mailto:test@op.eu">test@op.eu</a><br />
<a href="mailto:ag@gmail.eu">ag@gmail.eu</a><br />

Some text  Some text  Some text';

// 移除所有HTML标签，得到纯文本内容
$cleanText = strip_tags($text);
// 正则匹配「Data Contact:」后的邮箱，用括号直接捕获邮箱部分
preg_match_all("/Data Contact: +([\w.-]+@[\w.-]+)/i", $cleanText, $matches);

// 遍历输出捕获到的邮箱
foreach($matches[1] as $email){
    echo $email . '<br>';
}

说明 #

• strip_tags()会自动移除所有HTML标签，保留文本内容，让邮箱地址直接出现在「Data Contact:」之后，和纯文本场景的匹配逻辑一致。
• 正则里用括号()捕获邮箱部分，直接从$matches[1]获取结果，省去了str_replace的步骤。

方法二：直接修改正则匹配带HTML的文本 #

如果不想剥离HTML标签，可调整正则表达式，允许「Data Contact:」和邮箱之间存在任意HTML标签或空白字符：

$text = 'Some text  Some text 

<a href="mailto:lol@gmail.eu">lol@gmail.eu</a><br />

Data Contact: <a href="mailto:atest@gmail.sbr">atest@gmail.com</a>, <a href="mailto:test@op.eu">test@op.eu</a><br />
<a href="mailto:ag@gmail.eu">ag@gmail.eu</a><br />

Some text  Some text  Some text';

// 正则匹配「Data Contact:」后，跳过任意HTML标签/空白，捕获邮箱
preg_match_all('/Data Contact:(?:\s*<[^>]+>\s*|\s*)*([\w.-]+@[\w.-]+)/i', $text, $matches);

foreach($matches[1] as $email){
    echo $email . '<br>';
}

正则解释 #

• Data Contact:：匹配开头的标识文本
• (?:\s*<[^>]+>\s*|\s*)*：非捕获组，匹配任意数量的HTML标签（<[^>]+>表示任意HTML标签）或空白字符，确保跳过「Data Contact:」和邮箱之间的所有标签与空格
• ([\w.-]+@[\w.-]+)：捕获邮箱地址，\w等价于[a-zA-Z0-9_]，更简洁地匹配邮箱的合法字符

该正则会自动匹配「Data Contact:」后的所有符合格式的邮箱（比如示例中的两个邮箱）。

内容的提问来源于stack exchange，提问作者user19818308