我有这些数据：
<meta name="description" content="Access Kenya is Kenya's leading corporate Internet service provider and is a technology solutions provider in Kenya with IT and network solutions for your business.Welcome to the Yellow Network.Kenya's leading Corporate and Residential ISP" />;
我正在使用这个正则表达式：
<meta +name *=[\"']?description[\"']? *content=[\"']?([^<>'\"]+)[\"']?
获取网页描述一切正常，但是所有地方都有一个撇号。
我该如何逃避？
答案 0 :(得分：0)
您的正则表达式考虑<meta>节点的这三个选项：
<meta name="description" content="Some Content" />
<meta name='description' content='Some Content' />
<meta name=description content=Some Content />
第三个选项不是有效的HTML，但一切都可能发生，所以......你是对的。
简单的方法是修改原始正则表达式结束标记并使用?非贪婪的运算符：
<meta +name *=[\"']?description[\"']? *content=[\"']?(.*?)[\"']? */?>
└─┘ └───┘
search zero-or-more characters except following closing tag characters
但是 - 在这种情况下 - 如果你有这个元素会发生什么？
<meta content="Some Content" name="description" />
你的正则表达式会失败。
要真实匹配HTML节点，您必须使用解析器：
$dom = new DOMDocument();
libxml_use_internal_errors(1);
$dom->loadHTML( $yourHtmlString );
$xpath = new DOMXPath( $dom );
$description = $xpath->query( '//meta[@name="description"]/@content' );
echo $description->item(0)->nodeValue);
将输出：
Some Content
是的，它是5行与1，但是使用此方法，您将匹配任何<meta name="description">（如果它包含第三个，无效的属性）。