在PHP中使用正则表达式匹配html属性

Question

我正在尝试创建一个表达式，它将搜索像how2bypass.co.cc这样的页面，并返回“form”标签中“action”属性的内容，以及“name”和“”的内容在任何输入标签中键入“属性”。我不能使用html解析器，因为我的最终目标是自动检测给定页面是否是Web代理，一旦网站抓住我正在做的事情，他们可能会开始做愚蠢的事情，比如写整个使用javascript来阻止我解析它。

我正在使用代码

    preg_match_all('/<form.*action\="(.*?)".*>[^<]*<input.*type\=/i', $pageContents, $inputMatches);

适用于action属性，但是一旦我输入“after type \ =代码停止工作。为什么会这样？它工作正常一次，但不是两次？

Answer 1

正则表达式贪婪......

如果您检查页面源，则以下内容可能与第一个<input和最后一个type=匹配，并捕获其中的所有内容。

`<input.*type\=`

您无法使用当前表达式捕获表单和所有输入，因为并非每个输入都以表单标记为前缀。您需要通过以下方式之一来接近它：

• 捕获整个表单标记<form>...</form>，然后使用正则表达式匹配捕获中的所有输入
• 将当前表达式调整为非贪心.*?，并允许多次捕获输入标记。

Answer 2

如果没有看到要从中提取的目标页面，只需要猜测几件事情：

• type=属性可能没有双引号，因为type=text也有效。或者它可能有单引号，或=周围的一些空格。
• 如果代码之间或内部有换行符，.*占位符可能会失败。建议使用/s正则表达式标志。
• 无论如何，使用[^<>]*或[^"]等否定字符类代替.*通常更可靠。
• 您无需转义\=等号。

也许你应该分开它。使用一个正则表达式来提取<form>..</form>块。然后在其中搜索<input>标记。