Question

这是我的代码

<?php

/**
 * @author Joomlacoders
 * @copyright 2010
 */
    $url="http://urlchecker.net/html/demo.html";

    $innerHtml=file_get_contents($url);

    //echo $innerHtml;
    preg_match_all("{\<div id='news-id-.*d'\>(.*)\</div\>}",$innerHtml,$matches);

          //<div id='news-id-160346'>            

    var_dump($matches);

?>

我想找到div id ='news-id-160346'中的所有内容。请帮帮我

Answer 1

Use an HTML parser. NOT regular expressions.

正则表达式的问题在于它们无法匹配嵌套结构。假设您的正则表达式必须匹配单个<div>及其结束标记，则无法正确匹配此输入：

<div id="a">
    <div id="b">
        Foo
    </div>
</div>
<div id="c">
    Bar
</div>

因为如果你的正则表达式是贪婪的，它将匹配最上面的两个div，如果它不合适，它将与正确的结束标记不匹配。

因此，您应该使用HTML解析器。使用PHP，DOMDocument::loadHTML或DOMDocument::loadHTMLFile各自做得相当不错。（您可以“安全地”忽略它生成的警告：它们只是标记错误，生成的DOMDocument对象应该非常好。）

由于PHP getElementById很难开始工作，因此您可以将DOMXpath用于相同的目的：

<?php

$url = "http://urlchecker.net/html/demo.html";

$d = new DOMDocument();
$d->loadHTMLFile($url);

$xpath = new DOMXPath($d);
$myNews = $xpath->query('//@id="news-id-160346"')->item(0);

?>

Answer 2

使用其他建议的解析器。

或试试这个正则表达式：

preg_match_all("#<div [^>]*id=['\"]news-id-\\d+['\"](.*?)</div>#", $innerHtml, $matches);
print_r($matches);

检查print_r语句的输出，以了解为什么正则表达式不被视为正确的工具来解析html。

Php正则表达式匹配div

2 个答案: