Question

此代码工作了几天，直到它在最糟糕的时间停止工作。它只是从NOAA网站提取天气警报信息并将其显示在我的页面上。有人可以告诉我为什么会突然失败吗？

$file = file_get_contents("http://forecast.weather.gov/showsigwx.php?warnzone=ARZ018&warncounty=ARC055");  
preg_match_all('#<div id="content">([^`]*?)<\/div>#', $file, $matches); 
$content = $matches[1];  

echo "content = ".$content."</br>" ;
echo "matches = ".$matches."</br>" ;
print_r ($matches); echo "</br>";
echo "file </br>".$file."</br></br>" ;

现在我得到的只是一个空数组。

这是输出..

content = Array
matches = Array
Array ( [0] => Array ( ) [1] => Array ( ) )
file = the full page as requested by file_get_contents

Answer 1

你的正则表达式试图匹配文字字符串<div id="content">，然后是一些（尽可能少的）字符，它们不是反引号（`），然后是文字字符串</div>。

但是，在当前的NOAA warnings and advisories集中，是<div id="content">和</div>之间的反对：

A SLIGHT RISK FOR SEVERE THUNDERSTORMS IS IN EFFECT FOR NORTHEAST
MISSISSIPPI SOUTH OF A CALHOUN CITY TO FULTON MISSISSIPPI LINE
FROM LATE THIS AFTERNOON THROUGH THIS EVENING. DAMAGING WINDS
WILL BE THE MAIN THREAT...HOWEVER AN ISOLATED TORNADO CAN`T BE
RULED OUT.

这就是你的正则表达式不匹配的原因。

最简单的“修复”是将正则表达式替换为，例如：

'#<div id="content">(.*?)<\/div>#s'

其中.与s modifier匹配任何字符。

但是，您真正应该做的是use a proper HTML parser来提取文本，而不是尝试使用regexp来解析HTML。

编辑：这是一个关于如何使用DOMDocument执行此操作的快速示例（未经测试！）：

$html = file_get_contents( $url );  
$doc = new DOMDocument();
$doc->loadHTML( $html );
$content = $doc->getElementById( 'content' )->textContent;

甚至只是：

$doc = new DOMDocument();
$doc->loadHTMLFile( $url );
$content = $doc->getElementById( 'content' )->textContent;

为什么这个preg_match_all会突然停止工作？

1 个答案: