preg_match的正则表达式无效

Question

我需要从网站上搜集一些数据。为此，我使用preg_match，但我无法为它编写正则表达式。网站上的数据是

title="Russia"/></a>
        <small>*</small> <a href="/profile/roman

我已将正则表达式编写为#title=\"Russia\"\/><\/a>((\n|\r)*)<small>*<\/small> <a href=\"/profile/(.+?)\"#sx

但这不起作用，我不知道为什么？当我回复我的正则表达式时，它说#title="Russia"\/><\/a>(( | )*)*<\/small>。其他人去哪儿了？为什么它不起作用？

Answer 1

试试这个：

#title=\"Russia\"/></a>(\s*)<small>\*</small>\s+<a\s+href=\"/profile/(.+?)\"#sx

我逃脱了*，因为它是一个元字符。如果没有它，您将匹配包含单词small后跟零或更多> s的字符串。

Answer 2

你真的不应该使用正则表达式来评估标记内容，特别是当你通过报废页面获取它时。

在你的情况下，至少有三个原因可能导致破坏你的正则表达式。

1. 当您只使用代表“任何空白字符”的\s时，不要尝试编写自己的空白评估器

2. 在正则表达式中，星号（*）具有特殊含义，这就是为什么您不能简单地使用它来识别星号。如果您想收集小属性中的内容，请改为使用<small>(.*)</small>。另一方面，如果你实际上期待一个星号，那么你必须像<small>\*</small>一样逃避它。

3. 您的正则表达式要求您在href上的<a>属性的结束引用，但在您的示例标记中，您没有。如果在原始页面上你有一个结束语，那么下面的正则表达式就可以了。

   #title=\"Russia\"\/><\/a>(\s*)<small>\*</small> <a href="/profile/(.+)?\"#sx

然而，我不得不再次建议使用像DOMDocument这样的DOM解析器，因为它在处理标记内容时更加可靠，同时也因为它可以解释坏标记（如果它作为HTML加载）当然）。