Question

这就是我正在做的事情：我正在使用Simple HTML Dom从外部站点抓取一些HTML，然后我将空格去掉，我尝试使用正则表达式获取我需要的信息并将其放入阵列。这段代码完美运行，直到外部网站修改了他们的HTML，我不得不想出一个新的正则表达式。我制作了一个似乎捕获我想要的所有内容的正则表达式（我使用了regexr.com），但由于某种原因，我现在无法将其插入到我的代码中。这是PHP：

<?php
header("Content-Type: text/plain");

require('../classes/simple_html_dom.php');
$html = file_get_html('http://www.***.com/');
$player_array = array();
foreach($html->find('table#herodev_list td') as $ele){
    $ele = $ele->innertext;
    $html_string = $html_string.$ele;
}
$html_string = str_replace(" ", "", $html_string);
$regex = '/(?<=/avatar/).+?(?=/)/';
preg_match_all($regex, $html_string, $matches);
foreach($matches[0] as $player){
    array_push($player_array, strtolower($player));
}
print_r($player_array);

问题似乎在于preg_match_all - 匹配数组是空的，所以我假设没有匹配。以下是$ html_string的示例：

<imgsrc="http://minotar.net/avatar/Kainzo/10.png"><imgsrc="http://minotar.net/avatar/PuffinMuffin19/10.png"><imgsrc="http://minotar.net/avatar/neows0/10.png"><imgsrc="http://minotar.net/avatar/Sniped105/10.png"><imgsrc="http://minotar.net/avatar/EJBomber26/10.png"><imgsrc="http://minotar.net/avatar/GiantBeardedFace/10.png"><imgsrc="http://minotar.net/avatar/Montelu/10.png"><imgsrc="http://minotar.net/avatar/GreekCrackShot/10.png"><imgsrc="http://minotar.net/avatar/Marcellinius/10.png"><imgsrc="http://minotar.net/avatar/HelsEch/10.png"><imgsrc="http://minotar.net/avatar/NZD2000/10.png"><imgsrc="http://minotar.net/avatar/Mrchucklez/10.png"><imgsrc="http://minotar.net/avatar/Dragondrakar/10.png"><imgsrc="http://minotar.net/avatar/malita55/10.png"><imgsrc="http://minotar.net/avatar/Dazzlar/10.png">

我最好的猜测是，PHP的正则表达式引擎与Regexr有所不同，或者我只是在做一些愚蠢的事情。自从我最初编写这个应用程序以来已经有好几个月了，所以它的内部运作在我脑海中并不新鲜。任何帮助表示赞赏。

另外，请不要给我旧的，“不要使用正则表达式来解析HTML ...”的演讲。我知道。

顺便说一句，这是我的旧正则表达式正常工作（当然输入是不同的）：
(?<=^|>)[^><]+?(?=<|$)。

Answer 1

你必须在正则表达式代码中转义/。

- 编辑 -

ascii-lime还指出您可以将分隔符更改为另一个非字母数字字符（有例外）。要执行此操作，请将表达式的开头和结尾处的/更改为所选字符。例如：

'/.+\/regex.com\/index.html+./'

到

'!.+/regex.com/index.html+.!'

正则表达式与PHP中的预期不匹配？

1 个答案: