[Regex] Links filtern

[deathcakeman]

Guten Tag,
ich lese mit PHP den Content einer Seite ein und versuche nun alle Links herauszufiltern.
Mein Problem ist, dass ich das irgendwie nicht hinbekomme und preg_match_all() immer über die tags "hinausgeht".
Bsp. bei <a ...>...</a>Text<a ...>...</a> geht das Muster von dem ersten fettgedruckten zum zweiten.
Jedoch funktioniert das ganze bei nur einem Link im Content einwandfrei

<?php

$pattern = '#<a(?:.*)?href=([^"]*)(?:[^>]*)?>(.*?)</a>#s';

//Pseudocontent
$html = '<a class="test" href="test1.html">test1</a>text text 
<a class="test2" href="test2.html">test2</a> text text 
<a href="test3.html">test3</a>';

preg_match_all($pattern, $html, $treffer, PREG_SET_ORDER);
print_r($treffer);
?>
Ausgabe ist :
Array
(
    [0] => Array
        (
            [0] => <a class="test" href="test1.html">test1</a>text text 
<a class="test2" href="test2.html">test2</a> text text 
<a href="test3.html">test3</a>
            [1] => 
            [2] => test3
        )

)

[deathcakeman]

Muha. Ich habs

$pattern = '#<a(?:.*--->[B][u]?[/u][/B]<---)?href="([^"]*)"(?:[^>]*)?>(.*?)</a>#s' 

Da hat am Anfang noch ein begrenzedes Fragezeichen gefehlt.

[unset]

Dein Ausdruck ist "greedy". Informiere dich darüber, in "Ungreedy" zu machen.

[deathcakeman]

Ein Problem hätte ich jetzt noch.
Es gibt ja versch. Arten Links zu gestalten. Mit doppeltem oder einfachen Hochkomma, bzw. ohne Hochkomma (also nur href=test.php).
Also ich bekomme alle 3 Varianten eingelesen, aber ich will ja die Ziel URL auslesen. Und da liegt das Problem.
Hat da vielleicht jmd. eine Idee?

[zzaphod]

<?php

    //Pseudocontent
    $html = '<a class="test" href="test1.html">test1</a>text text 
    <a class="test2" href="test2.html">test2</a> text text 
    <a href="test3.html">test3</a>text text
    <a class="test4" href="test4.html" target="_blank">test4</a>';
    
    $pattern = '/<a.*href=(.*?)(?:>|\\ )/';
    
    preg_match_all($pattern, $html, $matches, PREG_SET_ORDER);

    foreach ($matches as $match){
        $links[] = trim($match[1], "\"'");
    }
        
    print_r($links);    
?>

Array
(
    [0] => test1.html
    [1] => test2.html
    [2] => test3.html
    [3] => test4.html
)

cheers zz