PHP正则提取a标签href中带/不带www、http/https的特定域名问题

我来帮你搞定这两个正则匹配的问题，直接上修正方案和详细解释：

问题1：仅匹配到第一个链接的解决办法 #

你之前用的preg_match()函数只会返回第一个符合条件的匹配结果，要获取所有匹配项，只需要换成preg_match_all()函数就行——它会遍历整个字符串，捕获所有满足正则规则的内容。

问题2：限定仅在href属性内匹配的正则优化 #

原正则没有限定匹配范围，很容易误匹配到文本中的相同域名。我们可以用正向断言来约束匹配内容必须在href="..."或href='...'的引号范围内，同时优化正则规则，兼容带/不带www、http/https的域名格式。

完整修正代码 #

$a = ' <a href="https://example.com"></a> <a href="http://www.example.com"></a> <a href="http://example.com"></a> <a href="https://www.example.com"></a> <a href="http://example.com"></a> ';
// 优化后的正则，适配多种域名格式并严格限定在href属性内
$reg_exUrl = '/(?<=href=["\'])(?:https?:\/\/)?(?:www\.)?example\.com(?:\/[^"\']*)?(?=["\'])/i';
preg_match_all($reg_exUrl, $a, $urls);
var_dump($urls[0]);

正则规则拆解 #

让我们逐一解释这个正则的关键部分：

• (?<=href=["\'])：正向后查，确保匹配内容的前面是href="或href='，直接锁定href属性的取值范围
• (?:https?:\/\/)?：匹配http://或https://，?表示这部分是可选的（兼容不带协议的域名，让规则更通用）
• (?:www\.)?：匹配www.，同样可选，完美兼容带/不带www的域名格式
• example\.com：目标域名，注意用\.转义点号（正则里.是通配符，必须转义才能匹配实际的点）
• (?:\/[^"\']*)?：匹配域名后的路径部分，[^"\']*表示匹配到引号前的所有字符（比\S*更稳妥，能兼容路径里的空格），?表示路径可选
• (?=["\'])：正向预查，确保匹配内容的后面是引号，进一步加固匹配范围，避免误匹配
• /i：可选的不区分大小写修饰符，如果你需要匹配HTTPS://EXAMPLE.COM这种大写格式可以加上

运行结果 #

执行上面的代码后，$urls[0]会返回所有符合条件的链接数组：

array(5) {
  [0]=>
  string(18) "https://example.com"
  [1]=>
  string(22) "http://www.example.com"
  [2]=>
  string(17) "http://example.com"
  [3]=>
  string(22) "https://www.example.com"
  [4]=>
  string(17) "http://example.com"
}

额外修正点 #

原正则里的example+\.com有个小错误：+会匹配exampleee.com这种重复e的域名，去掉+才能准确匹配example.com。

内容的提问来源于stack exchange，提问作者hretic