如何使用正則表達式測試，如果一個字符串包含一個HTML頁

我有一個腳本，通過cURL提交一個POST請求到外部網站，並期望收到一個文件作爲迴應。但是，如果出現錯誤，該網站將返回一個HTML錯誤頁面，而不是預期的文件。如何使用正則表達式測試，如果一個字符串包含一個HTML頁

我有響應存儲在一個字符串，我想檢查如果字符串包含HTML頁面，如果沒有，我們可以假設字符串包含請求的文件數據。

我無法創建正則表達式來測試字符串是否爲HTML頁面。我想測試下：

數據具有先導開口HTML標籤：<\s*html.*>
數據具有後續打開身體標記：<\s*body.*>
的數據有後續關閉機構標記：<\/\s*body.*>
該數據有一個隨後的結束HTML標記：<\/\s*html.*>

我試過如下：

function isHTMLPage($data) { 
    $html_file_regex = '/<\s*html.*>.*<\s*body.*>.*<\/\s*body.*>.*.<\/\s*html.*>/'; 
    return preg_match($html_file_regex, strtolower($data)) === 1; 
}

函數返回false（不匹配）在下面的測試數據：

<!DOCTYPE html> 
<html xmlns="http://www.w3.org/1999/xhtml"> 
<head> 
<title>Test Page</title> 
</head> 
<body> 
<div>test Content</div> 
</body> 
</html>

什麼是錯的我正則表達式？

/<\s*html.*>.*<\s*body.*>.*<\/\s*body.*>.*.<\/\s*html.*>/

來源

2014-01-07 recursion.ninja

這可能比您想象的要簡單; Content-Type標題返回什麼（在不同的結果之間）？例如如果服務通常返回json，你應該看到'application/json'，但錯誤頁面會切換到'text/html'。 –

我不確定你的目的，但不解析HTML使用HTML DOM解析器 –

它是標準的HTML取回失敗的HTML頁面，例如，一個404頁面。這仍然是一個有效的HTML頁面，但它只會說一些版本的「文件未找到」。您應該檢查http狀態代碼。 –

.不匹配換行符，除非你使用‘DOTALL’修改器：s

這就是說，你不應該這樣做。應該代替的是檢查狀態代碼，例如404以指示找不到文件。畢竟，如果您期望獲得的文件本身就是一個HTML文件呢？

來源

2014-01-07 16:04:26

雖然狀態碼不是可靠的。儘管服務內容的人員應該遵循標準，但他們中的很多人將錯誤響應歸類爲「200 OK」，並且只是服務器故障頁面。 –

@BradChristie：我從來沒有見過錯誤頁面，錯誤代碼爲200。這讓我很難過，人們會這樣做：/ –

@RocketHazmat：永遠不會說我贊同它，只是我見過它發生。我同意，這很傷心。我目睹了'/ contact/1 /' - >'200 OK' - >'{id：1，name：'foo'}'，然後跟着'/ contact/-1' - >'200 OK' - >'{error：'not found'}'。 –

使用s（PCRE_DOTALL）修改器：

$html_file_regex = '/<\s*html.*>.*<\s*body.*>.*<\/\s*body.*>.*.<\/\s*html.*>/s';

根據PHP手冊，「如果設定了此修正，在模式中的圓點元字符的所有字符，包括換行符相匹配。沒有它，新行被排除在外「

來源

2014-01-07 16:03:25

如何使用正則表達式測試，如果一個字符串包含一個HTML頁

回答

相關問題