Categories: JS

JavaScript | Регулярное выражение для извлечения HTML-ссылок из строки

Что мы считаем HTML-ссылкой в строке?

В этой публикации мы рассматриваем HTML-элементы <a></a>, которые имеют парные тэги:

  1. Открывающий — <a>
  2. Закрывающий — </a>

Мы будем считать, что сами теги и последовательность символов внутри них считается, а также между ними считается HTML-ссылкой.

 

Что мы считаем адресом в HTML-ссылке из строки?

Из HTML-элемента <a></a> нас будет интересовать его атрибут href, который после знака равенства должен содержать двойные кавычки.

Последовательность символов между первой двойной кавычкой и второй двойной кавычкой мы будем считать адресом.

 

Нюансы в решении задачи на извлечение HTML-ссылок

HTML — это гибкий язык. Это значит, что строковое оформление HTML-элементов допускает существование множественного числа пробелов. Например:

<a></a>

то же самое что

<a    ></a     >

Также допускаются символы переносов строк:

<a>

</a>

Эти моменты накладывают дополнительные условия в создании регулярного выражения на JavaScript.

Если сформулировать человеческим языком, то нас интересует последовательность символов, которая начинается со знака МЕНЬШЕ (<), где после него встречается первый символ английской буквы «a» и после него встречается первый символ знака БОЛЬШЕ (>). После него встречается снова первый знак МЕНЬШЕ (<), затем первый символ КОСОЙ ЧЕРТЫ (/), потом первая английская буква «a» и в самом конце первый символ знака БОЛЬШЕ (>).

В общем между всеми нашими символами МЕНЬШЕ-БОЛЬШЕ могут встречаться только пробелы, которые не чувствительны к парсингу HTML.

 

Получение всех HTML-ссылок из строки

Тестовый пример:

let str = `<p><span><span><a    >один</a     ></span><a    >два</a     ></span><a    ><b>три</b></a     ></p>`

Мы подстрахуемся под все возможные ситуации, даже если сервер отдаёт совершенно некорректную ссылку с множественными пробелами:

 

Массив с индексами нахождения начала сопоставления:

[...str.matchAll(/<a *?.*?>.*?<\/a *?>/g)]

Только последовательность с HTML-элементом

[...str.matchAll(/<a *?.*?>.*?<\/a *?>/g)]

 

Получение всех значений HREF из HTML-ссылок из строки

Пример:

let str = `<p><span><span><a style="display: none;" href="/rrttyyu"  >один</a     href="/1234"></span><a  href="http://example.com/efim"  >два</a     ></span><a    ><b>три</b></a     ></p>`

 

Решение:

[...str.matchAll(/<a *?.*? *?href *?= *?"(.*?)".*?>.*?<\/a *?>/g)].map(i=>i[1])
admin

Share
Published by
admin

Recent Posts

PostgreSQL | Как получить первый элемент из ячейки типа record?

При помощи функции "row()" мы можем создавать записи - данные с типом record. -- Создаём…

1 год ago

PostgreSQL | Как отфильтровать JSONB-массив объектов по логическому значению ключа?

-- массив JSONB с объектами select '[{"id":1, "q":true}, {"id":2, "q":false}, {"id":3, "q":true}, {"id":4, "q":false}]'::jsonb; --…

1 год ago

PostgreSQL | Как отбросить нули в типе numeric?

Функция "trim_scale()" умеет отбрасывать лишние нули в числах с типом numeric. select trim_scale(37.000000000); -- 37…

1 год ago

JavaScript | Как получить следующий день?

Следующий день относительно текущего т. е. "завтра" var tomorrow = new Date(); tomorrow.setDate(tomorrow.getDate() + 1);…

1 год ago

PostgreSQL | Агрегация JSONB-объектов в один объект

У нас есть столбец из JSONB объектов. Нам нужно соединить все объекты этого столбца в…

1 год ago

PostgreSQL | Группировка по 10 записей

Не всегда нужно группировать записи таблиц в рамках какого-то повторяющегося значения столбца. Иногда нужно просто…

1 год ago