Question

我正在寻找一种方法来获取给定特定URL和表单名称的页面中的所有表单输入和相应值。

function GetForm($url, $name)
{
    return array
    (
        'field_name_1' => 'value_1',
        'field_name_2' => 'value_2',
        'select_field_name' => array('option_1', 'option_2', 'option_3'),
    );
}

GetForm('http://www.google.com/', 'f');

任何人都可以为我提供必要的正则表达式吗？

编辑：我理解查询DOM会更可靠，但我正在寻找的是一个网站无关的解决方案，它允许我获取给定表单的所有字段。我不相信在没有首先知道文档节点的情况下DOM是可能的，我错了吗？

我不需要防弹解决方案，只需要在标准网页上运行，对于FORM标签我已经提出以下RegEx;

'~<form.*?name=[\'"]?' . $name . '[\'"]?.*?>(.+?)</form>~is'

我相信为输入字段做类似的事情并不困难，我发现最具挑战性的是选择和选项字段的RegEx。

Answer 1

使用正则表达式解析HTML可能不是最好的方法。

您可以查看DOMDocument::loadHTML，这将允许您使用DOM方法处理HTML文档（例如，如果您知道这些，则使用XPath查询）。

您可能还想查看Zend_Dom和Zend_Dom_Query，顺便说一下，如果您可以在应用程序中使用Zend Framework的某些部分，这些都非常好。
例如，在使用Zend_Test进行功能测试时，它们用于从HTML页面获取数据 - 并且工作得很好; - ）

首先看起来似乎更难......但是，考虑到一些HTML页面的混乱，它可能是一个更明智的想法......

评论和编辑OP后编辑

以下是一些关于“简单”的输入标记的想法：

它可以分散几行
它可以有很多属性
只考虑名称和价值是您感兴趣的，您必须处理这两个可能处于任何可能顺序的事实
属性可以包含双引号，单引号，甚至不包含其值
标签/属性可以是小写或大写
标签并不总是必须关闭

好吧，其中一些点无效 - HTML;但仍然在大多数公共网络浏览器中工作，因此必须考虑它们......

只有那些点，我不想成为写正则表达式的人^^
但我想可能还有其他一些我没想过的困难。

另一方面，你有DOM和xpath ...要获得输入名称=“q”的值（例如this page），这是一个类似的问题：

$url = 'http://www.google.fr/search?q=test&ie=utf-8&oe=utf-8&aq=t&rls=com.ubuntu:en-US:unofficial&client=firefox-a';
$html = file_get_contents($url);
$dom = new DOMDocument();
if (@$dom->loadHTML($html)) {
    // yep, not necessarily valid-html...
    $xpath = new DOMXpath($dom);

    $nodeList = $xpath->query('//input[@name="q"]');
    if ($nodeList->length > 0) {
        for ($i=0 ; $i<$nodeList->length ; $i++) {
            $node = $nodeList->item($i);
            var_dump($node->getAttribute('value'));
        }
    }

} else {
    // too bad...
}

这里有什么关系？ XPath查询，只有...并且它有什么静态/常量吗？嗯，我说我希望<input>属性等于“name”的所有q。
它的确有效：我得到了这个结果：

string 'test' (length=4)
string 'test' (length=4)

（我查了一下：页面上有两个输入名称=“q”^^）

我知道页面的结构吗？绝对没有;-) 我只知道我/你/我们想要名为q的输入标签; - ）

这就是我们得到的; - ）

编辑2：选择和选项有点乐趣：

嗯，只是为了好玩，这就是我选择和选择的方式：

$url = 'http://www.google.fr/language_tools?hl=fr';
$html = file_get_contents($url);
$dom = new DOMDocument();
if (@$dom->loadHTML($html)) {
    // yep, not necessarily valid-html...
    $xpath = new DOMXpath($dom);

    $nodeListSelects = $xpath->query('//select');
    if ($nodeListSelects->length > 0) {
        for ($i=0 ; $i<$nodeListSelects->length ; $i++) {
            $nodeSelect = $nodeListSelects->item($i);
            $name = $nodeSelect->getAttribute('name');
            $nodeListOptions = $xpath->query('option[@selected="selected"]', $nodeSelect);  // We want options that are inside the current select
            if ($nodeListOptions->length > 0) {
                for ($j=0 ; $j<$nodeListOptions->length ; $j++) {
                    $nodeOption = $nodeListOptions->item($j);
                    $value = $nodeOption->getAttribute('value');
                    var_dump("name='$name' => value='$value'");
                }
            }
        }
    }
} else {
    // too bad...
}

我得到了一个输出：

string 'name='sl' => value='fr'' (length=23)
string 'name='tl' => value='en'' (length=23)
string 'name='sl' => value='en'' (length=23)
string 'name='tl' => value='fr'' (length=23)
string 'name='sl' => value='en'' (length=23)
string 'name='tl' => value='fr'' (length=23)

这是我的预期。

一些解释？

嗯，首先，我获得了页面的所有选择标记，并将其名称保存在内存中。
然后，对于每一个，我得到选定的选项标签作为其后代（总是只有一个，顺便说一句）。
在这里，我有价值。

前面的例子有点复杂......但是比正则表达还要容易得多，我相信......花了我10分钟，而不是更多......我仍然没有勇气（疯狂？）开始思考能够做到这一点的某种突变正则表达式:-D

哦，作为旁注：我仍然不知道HTML文档的结构是什么样的：我甚至没有看过它的源代码^^

我希望这会有所帮助...... 谁知道，也许我会说服你正则表达式在解析HTML时不是一个好主意......也许吧？的; - ）

仍然：玩得开心！

使用RegEx提取表单字段

1 个答案: