Question

基本上我试图让它刮掉海报图片的网址，但由于某种原因它没有。正则表达式在regex101中正常工作，但在实际页面本身上没有。

我的代码：

<?php

    $url="http://www.imdb.com/title/tt0121955/";

    $ch2 = curl_init();
    curl_setopt ($ch2, CURLOPT_URL, $url);
    curl_setopt ($ch2, CURLOPT_SSL_VERIFYPEER, FALSE);
    curl_setopt ($ch2, CURLOPT_USERAGENT, "Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.31 (KHTML, like Gecko) Chrome/26.0.1410.64 Safari/537.31"); 
    curl_setopt ($ch2, CURLOPT_TIMEOUT, 60);
    curl_setopt ($ch2, CURLOPT_SSL_VERIFYHOST, false); 
    curl_setopt ($ch2, CURLOPT_FOLLOWLOCATION, 1);
    curl_setopt ($ch2, CURLOPT_RETURNTRANSFER, 1);
    curl_setopt ($ch2, CURLOPT_REFERER, $url);
    $result = curl_exec ($ch2);
    curl_close($ch2);

    if(preg_match_all('/<td rowspan="2" id="img_primary"><div class="image"><a href="(.*)"><img alt="(.*)" title="South Park \(1997\) Poster" src="(.*)" itemprop="image" height="(.*)" width="(.*)"><\/a><\/div>/', $result, $matches) !== false) {

    foreach($matches as $match) {
        echo $match[0];
        echo $match[1];
        echo $match[2];
        echo $match[3];
    }

    }
?>

我也在$ match上做了var_dump并输出：

array(6) { [0]=> array(0) { } [1]=> array(0) { } [2]=> array(0) { } [3]=> array(0) { } [4]=> array(0) { } [5]=> array(0) { } }

所以它似乎没有找到任何东西，但奇怪的是它在regex101

上工作正常

Answer 1

页面上的HTML与您的正则表达式不匹配。如果您不需要该信息，请不要尝试使用正则表达式捕获它。尝试

preg_match_all('/title="South Park \(1997\) Poster"\s*src="([^"]+)"/m', 
    $result, 
    $matches);

var_dump($matches);

你已经完成了。恕我直言，刮取页面的最佳方法是使用perl。

cUrl preg_match问题

1 个答案: