Question

我有以下HTML代码：

<span role="button" class="a-n S1xjN" tabindex="0">414,817 people</span>

如何使用preg_match函数获取414817号码？

Answer 1

更好的解决方案

正则表达式是错误的工具。 HTML为not a regular language，无法使用正则表达式进行准确解析。请改用DOM解析器。它不仅更容易，更准确，更可靠，并且在将来标记格式发生变化时不会中断。

这是使用PHP的内置DOMDocument类在<span>标记内获取内容的方法：

$dom = new DOMDocument;
$dom->loadHTML($yourHTMLString);
$result = $dom->getElementsByTagName('span')->item(0)->nodeValue;

如果有多个标签，并且您想要从所有标签中获取节点值，则可以使用foreach循环，如下所示：

$dom->loadHTML($html);
foreach ($dom->getElementsByTagName('span') as $tag) {
    echo $tag->nodeValue . '<br/>';
}

最后，要从节点值中仅提取数字，您有以下几种选择：

// Split on space, and get first part
echo explode(' ', $result, 2)[0]; 

// Replace everything that is not a digit or comma
echo preg_replace('/[^\d,]/', '', $result); 

// Get everything before the first space
echo strstr($result, ' ', 1);

// Remove everything after the first space
echo strtok($result, ' ');

所有这些陈述都会输出414,817。有大量string functions可供您使用，您可以选择一种适合您需求的解决方案。

基于Regex的解决方案

如果您绝对必须使用preg_match()，那么您可以使用以下内容：

if (preg_match('#<span[^<>]*>([\d,]+).*?</span>#', $result, $matches)) {
    echo $matches[1];
}

[^<>]*表示“匹配任意数量的字符，但有角度的括号”，确保我们不会意外地突破我们所处的标记。

.*?（注意?）表示“匹配任意数量的字符，但只能尽可能少”。这样可以避免匹配标记中的第一个<span>标记（如果有多个<span>）。

我绝对不能保证正则表达式始终工作，但对于想要完成一次性工作的人来说应该足够了。在这种情况下，最好是使用正则表达式来处理理智的事情，而不是为不普遍完美的事情而哭泣：）

如何使用preg_match函数获取span标记内容？

1 个答案:

更好的解决方案

基于Regex的解决方案