本文介绍使用 php 将 html 邮箱链接按域名后缀（如 gmail.com、yahoo.com）分组，同后缀邮箱合并为竖线分隔的单行字符串，并保持字母序排列。
本文介绍使用 php 将 html 邮箱链接按域名后缀（如 gmail.com、yahoo.com）分组，同后缀邮箱合并为竖线分隔的单行字符串，并保持字母序排列。
在网页爬取或数据清洗场景中，常需对嵌入 HTML 标签（如 Cloudflare 加密邮箱 <a> 元素）的邮箱地址进行结构化处理。核心需求是：按邮箱域名后缀（即 @ 后部分）分组 → 组内按原始 HTML 字符串字典序排序 → 每组拼接为 | 分隔的单行字符串。
以下为完整、健壮的实现方案（兼容含 HTML 标签的邮箱字符串）：
<?php
$emails = [
'<a class="__cf_email__" data-cfemail="8afbfdefcaf3ebe2e5e5a4e9e5e7" href="/cdn-cgi/l/email-protection">[email protected]</a>',
'<a class="__cf_email__" data-cfemail="7903011a391e14181015571a1614" href="/cdn-cgi/l/email-protection">[email protected]</a>',
'<a class="__cf_email__" data-cfemail="65060100250d0a1108040c094b060a08" href="/cdn-cgi/l/email-protection">[email protected]</a>',
'<a class="__cf_email__" data-cfemail="ef8e8d8caf88828e8683c18c8082" href="/cdn-cgi/l/email-protection">[email protected]</a>',
'<a class="__cf_email__" data-cfemail="6307060523040e020a0f4d000c0e" href="/cdn-cgi/l/email-protection">[email protected]</a>',
'<a class="__cf_email__" data-cfemail="91a0a3a2d1f9fee5fcf0f8fdbff2fefc" href="/cdn-cgi/l/email-protection">[email protected]</a>',
];
// 步骤 1：按域名后缀分组（提取 @ 后首个 / 或 > 前的内容，增强鲁棒性）
$emailGroups = [];
foreach ($emails as $email) {
// 使用正则安全提取邮箱地址（避免依赖固定结构）
if (preg_match('/\[email\s*protected\]([^<]+)/', $email, $matches)) {
$rawEmail = trim($matches[1]);
if (str_contains($rawEmail, '@')) {
$domain = explode('@', $rawEmail)[1] ?? '';
// 清理可能的尾部空格或标点（如 .</a>）
$domain = rtrim($domain, " \t\n\r\0\x0B>.");
if (!empty($domain)) {
$emailGroups[$domain][] = $email;
}
}
}
}
// 步骤 2：按键（域名）升序排序
ksort($emailGroups);
// 步骤 3：对每组内 HTML 字符串按字典序排序，并用 '|' 连接
$resultLines = [];
foreach ($emailGroups as $domain => $group) {
asort($group); // 确保同域名下 HTML 字符串有序（如需按邮箱名排序，可先提取再 sort）
$resultLines[] = implode('|', $group);
}
// 输出结果（每行为一个域名组）
foreach ($resultLines as $line) {
echo $line . "\n";
}
?>✅ 关键要点说明：
- 不依赖 explode('@', $email) 直接解析 HTML 字符串：因原始数据中 @ 出现在 HTML 属性值里（如 data-cfemail），直接 explode 会出错。本方案通过正则 /\[email protected\]([^<]+)/ 精准定位可见邮箱文本，再提取域名，更可靠。
- 域名清洗：使用 rtrim($domain, " \t\n\r\0\x0B>.") 移除常见 HTML 截断残留字符，避免 gmail.com</a> 类错误分组。
- 两级排序：ksort() 保证域名组间顺序（如 gmail.com 在 yahoo.com 前）；asort() 保证组内 HTML 字符串顺序（若需按邮箱前缀排序，可改用 usort() 提取本地部分再比较）。
- 输出格式：每行对应一个域名组，邮箱 HTML 片段以 | 连接，符合需求示例。
? 扩展建议：若需输出为 HTML 表格或 JSON，只需将 $resultLines 数组进一步转换；如需去重，可在分组前对 $emails 调用 array_unique()。
