Question

我正在尝试在特定标签中获取html文档的代码。

我的方法适用于某些标签，但不是全部，并且它不适用于我想要的标签内容。

这是我的代码：

<html>
<head></head>
<body>
<?php 
     $url = "http://sf.backpage.com/MusicInstruction/";   
     $data = file_get_contents($url);
     $pattern = "/<div class=\"cat\">(.*)<\/div>/";
     preg_match_all($pattern, $data, $adsLinks, PREG_SET_ORDER);
     var_dump($adsLinks);
     foreach ($adsLinks as $i) {
         echo "<div class='ads'>".$i[0]."</div>";
     } 

?>
</body>
</html>

上面的代码不起作用，但是当我将$ pattern更改为：

时，它可以正常工作

$pattern = "/<div class=\"date\">(.*)<\/div>/";

或

$pattern = "/<div class=\"sponsorBoxPlusImages\">(.*)<\/div>/";

我看不出这些$ pattern之间有什么不同。请帮我找错。感谢。

Answer 1

使用PHP DOM来解析HTML而不是正则表达式。

例如，在您的情况下（代码已更新以显示HTML）：

$doc = new DOMDocument();
@$doc->loadHTML(file_get_contents("http://sf.backpage.com/MusicInstruction/"));
$nodes = $doc->getElementsByTagName('div');

for ($i = 0; $i < $nodes->length; $i ++)
{
    $x = $nodes->item($i);

    if($x->getAttribute('class') == 'cat');
        echo htmlspecialchars($x->nodeValue) . "<hr/>"; //this is the element that you want
}

Answer 2

你的正则表达式失败的原因是你期待的。匹配换行符，除非您使用s modifier，否则不会，所以请尝试

$pattern = "/<div class=\"cat\">(.*)<\/div>/s";

执行此操作时，您可能会发现该模式有点过于贪婪，因为它会尝试捕获到最后一个结束div元素的所有内容。为了使它不贪婪，只是匹配下一个结束div，添加一个？在*

之后

$pattern = "/<div class=\"cat\">(.*?)<\/div>/s";

这只是为了说明除了最简单的情况之外，用正则表达式解析HTML是疯狂的道路。因此，请尝试使用DOM functions来解析HTML。

无法使用正则表达式在PHP中搜索？

2 个答案: