HTMLページ内のURLを取得する方法は？

Question

私は汚れたhtmlページからこのURLを取得する必要があります。

......... http://www.imdb.com/title/tt0092699/ ......

明らかURLも

http://www.imdb.co.uk/title/tt0092699/ のhttpことができます：//www.imdb.es/title/tt0092699/ http://www.imdb.com/title/tt0092699 https://www.imdb.com/title/tt0092699/ https://www.imdb.com/title/tt0092699

（.domainを、HTTP/HTTPS、または最後のスラッシュなし）

Answer 1

は、この正規表現を使用します。

preg_match("/https?:\/\/www.imdb\..*?\/title\/tt\d+\/?/", $html, $matches); 

したいURLを$matches[0]になります。ここで

は、1枚ずつ分解、正規表現の意味です：

• / =>オプションs
• :\/\/www.imdb\. =>リテラル://www.imdb.
• .*?\/続い
• https? =>リテラルhttpはRegex開始します=>は、スラッシュの前に可能な最短の文字列と一致し、スラッシュと一致します。ドメインの端に一致する、どのようなことがある（com、co.uk、es、等...）と、少なくとも一桁続い
• title\/ =>リテラルtitle/
• tt\d+ =>リテラルtt（以下第一のスラッシュそれは貪欲な試合なので、できるだけ多くの連続した数字に一致します。あなたが
を提供する形式でのIDと一致します
• \/? =>オプションの最終/
• / =>最後の正規表現

Answer 2

これがうまく働くだろうと、それはまた、プロトコルに依存している//で始まるURLのと一致します'スキーム'。

(https?:|//)[^\s"]+