使用PHP和preg_match捕獲HTML標記內的文本

我用腳本打了一個路障，我必須檢查某個網站上的可用性。我需要html標籤中的文本，我不確定如何處理它。使用PHP和preg_match捕獲HTML標記內的文本

我的代碼，我已經測試了這個結束：

<?php 
ini_set("allow_url_fopen", 1); 
$homepage2 = file_get_contents('https://www.someurlwithavailability.com'); 
//URL has the following HTML tag: <div id="Availability"> 
          Availability: Special Offer, ships within 10 - 15 business days       </div>" 
preg_match("/<div id="Availability">(.*?)</div>/si", $homepage2, $avail); 
print_r($avail); 
echo '<br>', '~Availability is~', '<br>', $avail, '<br>'; 
$stringavail=implode(" ",$avail); 
echo $stringavail; 
?>

我得到這取決於我的preg_match（***，$ homepage2，$無濟於事）後，把各種錯誤;我不確定我需要輸入什麼語法來檢索文本。

上面我的代碼給了我這樣的：

解析錯誤：語法錯誤，意想不到的 '可用性' 上線（T_STRING）在/u/o/placeiamrunningthecodefrom.php 6

被請求的URL來返回一個非常大的完整的HTML頁面。這個HTML標籤是唯一的，不會重複。

任何人都能幫助我？

來源

2017-06-02 Chris

是否有任何選擇使用PHP DOM？如果元素id/class不是動態的，我更喜歡使用php dom來解析html字符串 –

我閱讀了關於DOM的內容，但我很困惑它將如何修改html，我必須使用它。所以我試圖遠離它。 – Chris

通過這些答案的組合，我現在有一個解決方案。謝謝！ – Chris

的問題是，你有你的雙引號字符串內的雙引號，並沒有逃過他們：

preg_match("/<div id="Availability">(.*?)</div>/si", $homepage2, $avail); 
        ^  ^

如果你使用一個體面的IDE它會提醒你這是你打字。

只需將分隔符改爲單引號即可。

此外，由於您的正則表達式定界符/出現在正則表達式中，因此您需要轉義其出現在正則表達式中的字符，或者使用不在表達式中的分隔符。

preg_match('#<div id="Availability">(.*?)</div>#si', $homepage2, $avail);

但是，使用正則表達式來解析HTML通常是一個壞主意。您應該使用類似DOMDocument類的DOM解析器庫。

來源

2017-06-02 21:31:00 Barmar

這不是唯一的問題。 /用作分隔符，但也在最後的div標籤中。 – Andreas

好，我已經更新瞭解決這個問題的答案。 – Barmar

我已經嘗試了幾個分隔符的組合，並且我一直在遇到相同的語法問題。我會嘗試用英鎊符號 – Chris

雖然這可以正常工作正則表達式。這不被推薦，也不容易。

我建議給DOMDocument::getElementById一個去。它甚至有一個例子右邊的頁面上：

$doc = new DomDocument; 

// We need to validate our document before refering to the id 
$doc->validateOnParse = true; 
$doc->Load('book.xml'); 

echo "The element whose id is 'php-basics' is: " . $doc->getElementById('php-basics')->tagName . "\n";

我們獲取內容，而不是標籤名，我們可以使用->textContent從domnode

來源

2017-06-02 21:32:40

繼承周圍使用該模式單引號試試。而且，確保你正在逃避特殊的正則表達式字符。而且，你基本上要求所有的東西到最後的</div>。所以，你需要更具體。

'/<div id="Availability">([^<]*)<\/div>/si'

代替

"/<div id="Availability">(.*?)</div>/si"

當然，這仍然可能是不可靠的，如果有HTML，該<div>

但是，這應該讓你更接近。

另外，嘗試一個在線正則表達式工具。我喜歡這一個。 https://regex101.com/

來源

2017-06-02 21:38:08

的建議我認爲我之後的文本之間的空格也可能有問題。我會試試看看會發生什麼。 – Chris

在代碼中更改爲（[^ <] *）似乎抓住了標籤之間的整個字符串。讓它像（。*？）留下輸出空白。大概拿起一個白色空間？不知道爲什麼。 – Chris

使用PHP和preg_match捕獲HTML標記內的文本

回答

相關問題