Question

我正在编写一些PHP，它会刮掉一个网页并在存在时返回一个非常小的值。

我将收到的HTML有时看起来像：

<!-- message -->
<div id="post_message_5400147">
<!-- BEGIN TEMPLATE: ad_showthread_firstpost_start -->

<!-- END TEMPLATE: ad_showthread_firstpost_start -->
                ss:<font size="5"><b><font size="5"><font size="5"> U71</font></font></b></font>
</div>
<!-- / message -->

有时会看起来像：

<!-- message -->
<div id="post_message_5400147">

    ss:<font size="5"><b><font size="5"><font size="5"> U71</font></font></b></font>
</div>
<!-- / message -->

有时看起来像：

<div id="post_message_5400752">

    Bonus code: SKATE
</div>
<!-- / message -->

区别在于＆＃39;＆lt;！ - BEGIN TEMPLATE ....＆＃39;第一个例子中的内容，以及＆＃34; Bonus代码：...＆＃34;第三篇文字。

我希望正则表达式做的只是返回＆＃39;＆lt;！ - 消息＆＃39; s文本是＆＃34; ss：[...]＆＃34; （有时它也可以是＆＃34; ss = [...]＆＃34;）。理想情况下，它会删除所有无关的HTML，而只是返回3个字符的座位（＆＃34; U71＆＃34;在示例中;总是以LETTERnumnum的形式）但我不会＆＃39;我真的非常关心这一点，因为我总是可以在晚些时候将它删除。

到目前为止，这是我能够弄清楚的（我对正则表达式来说很新）但是它并没有忽略＆＃34; Bonus代码：[... ]＆＃34;条目：

preg_match('/.*<!-- message -->\s*<div id="post_message_[0-9]{7}">\s*(.*?)<!-- \/ message -->/s', $html, $matches);

有人能告诉我如何更优雅地做到这一点，因为很明显我做得不对吗？

Answer 1

你可以使用这样简单的东西：

$p = '/> (\w{1}\d{2})</';

示例：

$s = <<<EOT
 <!-- message -->
 <div id="post_message_5400147">
 <!-- BEGIN TEMPLATE: ad_showthread_firstpost_start -->
 <!-- END TEMPLATE: ad_showthread_firstpost_start -->
    ss:<font size="5"><b><font size="5"><font size="5"> U71</font></font></b></font>
 </div>
 <!-- / message -->
EOT;

$p = '/> (\w{1}\d{2})</';
preg_match($p,$s,$m);
var_dump($m[1]);

输出：

U71

要查找所有匹配项并获取最后一项匹配项，您可以执行以下操作：

$s = "<test> U71</test>some junk here <span> Z23</span>";
$p = '/> (\w{1}\d{2})</';
preg_match_all($p,$s,$m);
var_dump(end($m[1]));

输出：

Z23

end()函数将数组的内部指针前进到最后一个元素，并返回其值。

如果存在，我如何使用PHP正则表达式忽略某些HTML？

1 个答案: