PHP正則表達式查找字符串，直到

Question

我有一個url grabber設置，它工作正常。它抓住了一個文檔是在響應頭如的網址：

<script type='text/javascript' language='JavaScript'> 
document.location.href = 'http\x3a\x2f\x2fcms.example.com\x2fd\x2fd\x2fworkspace\x2fSpacesStore\x2f61d96949-b8fb-43f1-adaf-0233368984e0\x2fFinancial\x2520Agility\x2520Report.pdf\x3fguest\x3dtrue' 
</script> 

這是我的採集腳本。

<?php 

set_time_limit(0); 
$target_url = $_POST['to']; 
$html =file_get_contents($target_url); 

$pattern = "/document.location.href = '([^']*)'/"; 
preg_match($pattern, $html, $matches, PREG_OFFSET_CAPTURE, 3); 

$raw_url = $matches[1][0]; 
$eval_url = '$url = "'.$raw_url.'";'; 

eval($eval_url); 
echo $url; 

我們有一個變量添加到我們的文檔管理系統，使每個文檔的網址需要？來賓=真正的網址的結尾。當我們這樣做時，我的抓取器返回完整的URL並將其附加到文件名。所以我試圖讓它抓取url直到它碰到/ guest = true。使用此代碼：

<?php 

set_time_limit(0); 

$target_url = $_POST['to']; 
$html =file_get_contents($target_url); 

$pattern = "/document.location.href = '([^']*)\x3fguest\x3dtrue'/"; 

preg_match($pattern, $html, $matches, PREG_OFFSET_CAPTURE, 3); 

$raw_url = $matches[1][0]; 
$eval_url = '$url = "'.$raw_url.'";'; 

eval($eval_url); 
echo $url; 

爲什麼它不會返回url直到？guest = true部分？又如何不工作？和什麼是修復？

Answer 1

這是解決方案。你會直接得到比賽，而不是小組。

set_time_limit(0); 

$target_url = $_POST['to']; 
$html = file_get_contents($target_url); 

$pattern = '/(?<=document\.location\.href = \').*?(?=\\\\x3fguest\\\\x3dtrue)/'; 

preg_match($pattern, $html, $matches)) 

$raw_url = $matches[0]; 
$eval_url = '$url = "'.$raw_url.'";'; 

eval($eval_url); 
echo $url; 

您可以檢查出來的結果here。

你的正則表達式的問題在於，你沒有逃避字符串中的某些字符（.和\），你想要捕捉文學作品。此外，您不需要使用PREG_OFFSET_CAPTURE和3的補償。我想你從this page的例子中複製了這些值。

這裏的正則表達式的解釋：

# (?<=document\.location\.href = ').*?(?=\\x3fguest\\x3dtrue) 
# 
# Assert that the regex below can be matched, with the match ending at this position (positive lookbehind) «(?<=document\.location\.href = ')» 
# Match the characters 「document」 literally «document» 
# Match the character 「.」 literally «\.» 
# Match the characters 「location」 literally «location» 
# Match the character 「.」 literally «\.» 
# Match the characters 「href = '」 literally «href = '» 
# Match any single character that is not a line break character «.*?» 
# Between zero and unlimited times, as few times as possible, expanding as needed (lazy) «*?» 
# Assert that the regex below can be matched, starting at this position (positive lookahead) «(?=\\x3fguest\\x3dtrue')» 
# Match the character 「\」 literally «\\» 
# Match the characters 「x3fguest」 literally «x3fguest» 
# Match the character 「\」 literally «\\» 
# Match the characters 「x3dtrue」 literally «x3dtrue» 

這個答案已被編輯，以反映更新的問題。

Answer 2

看來你的正則表達式是錯誤的。您將\?guest=true添加到您的正則表達式中，字面上匹配?guest=true。

在您的示例響應標題中，它以\x3fguest\x3dtrue結尾，這是不同的。

嘗試：

$pattern="/document.location.href = '([^']*)(\?|(\\x3f))guest(=|(\\x3d))true'/"; 

我只是取代了下面的子表達式：現在

• \?是(\?|(\\x3f))相匹配?或\x3f字面上
• =現在是(=|(\\x3d))相匹配=或\x3d字面上

這樣，如果使用轉義的十六進制表示?或=，它仍然會正確匹配。