Question

我希望使用Php.Can检索<table width="100%" border="0" cellpadding="0" cellspacing="0" bgcolor="#EBEBEB">和</table>之间的数据。请指定正确的正则表达式，以便在给定的表格标签之间检索数据

Answer 1

我相信你需要的是XPath而不是正则表达式。

Answer 2

这取决于你要检索的内容。我自己不是PHP专业人士，但是我会这样做：

<?php
    $contents = file_get_contents($_SERVER['PHP_SELF']);
    $array = explode("<table width=\"100%\" border=\"0\" cellpadding=\"0\" cellspacing=\"0\" bgcolor=\"#EBEBEB\">", $contents);
    $newarray = explode("</table>", $array[1]);
    $yourdata = $newarray[0];
?>

如果您不介意在那里使用其他原始HTML，则应该使用此方法。否则，其他人可能会有更好的解决方案。

Answer 3

虽然正则表达式可以适用于各种各样的任务，但我发现解析HTML DOM时通常会遇到这种情况。 HTML的问题在于，文档的结构变化很大，难以准确（并且准确地说，我的意思是100％的成功率，没有误报）提取标签。

我建议您使用DOM解析器，例如phpQuery，并将其用作以下内容：

function get_first_image($html){
    $dom = phpQuery::newDocument($html);

    $first_img = $dom->find('img:first');

    if($first_img !== null) {
        return $first_img->attr('src');
    }

    return null;
}

有些人可能认为这样做有点过分，但最终，维护起来会更容易，并且还可以提供更多的可扩展性。例如，使用DOM解析器，我也可以获得alt属性。

可以设计一个正则表达式来实现相同的目标但是会限制它会强制alt属性位于src之后或相反的目标，并克服此限制会增加正则表达式的复杂性。

另外，请考虑以下内容。要使用正则表达式正确匹配<img>标记并仅获取src属性（在第2组中捕获），您需要以下正则表达式：

<\s*?img\s+[^>]*?\s*src\s*=\s*(["'])((\\?+.)*?)\1[^>]*?>

然后，如果出现以上情况，则上述情况可能会失败：

属性或标记名称为大写，并且不使用 i 修饰符。
src属性周围没有使用引号。
然后src的另一个属性在其值的某处使用>字符。
我没有预料到的其他一些原因。

所以再一次，不要使用正则表达式来解析dom文档。

请指定正确的正则表达式

3 个答案: