爲什麼preg_match_all突然停止工作？

Question

此代碼是工作了好幾天，直到它停在最糟糕的時候工作。它只是從NOAA網站提取天氣預報信息並將其顯示在我的頁面上。有人可以告訴我爲什麼這會突然失敗嗎？

$file = file_get_contents("http://forecast.weather.gov/showsigwx.php?warnzone=ARZ018&warncounty=ARC055"); 
preg_match_all('#<div id="content">([^`]*?)<\/div>#', $file, $matches); 
$content = $matches[1]; 

echo "content = ".$content."</br>" ; 
echo "matches = ".$matches."</br>" ; 
print_r ($matches); echo "</br>"; 
echo "file </br>".$file."</br></br>" ; 

現在我所得到的只是一個空的數組。

這是輸出..

content = Array 
matches = Array 
Array ([0] => Array () [1] => Array ()) 
file = the full page as requested by file_get_contents 

Answer 1

你的正則表達式嘗試匹配的文本字符串<div id="content">，其次是一些（儘可能少）字符不在反引號（`），其次是字符串</div>。

然而，當前集中的NOAA warnings and advisories，有是<div id="content">和</div>之間的反引號：

 
A SLIGHT RISK FOR SEVERE THUNDERSTORMS IS IN EFFECT FOR NORTHEAST 
MISSISSIPPI SOUTH OF A CALHOUN CITY TO FULTON MISSISSIPPI LINE 
FROM LATE THIS AFTERNOON THROUGH THIS EVENING. DAMAGING WINDS 
WILL BE THE MAIN THREAT...HOWEVER AN ISOLATED TORNADO CAN`T BE 
RULED OUT. 

這就是爲什麼你的正則表達式不匹配。

最簡單的 「修復」 將替換爲正則表達式，說：

'#<div id="content">(.*?)<\/div>#s' 

其中.會，與smodifier，比賽任何字符。

但是，你真正應該做的是use a proper HTML parser提取文本，而不是試圖用正則表達式解析HTML。

---

編輯：這裏有一個簡單的例子，你怎麼可以這樣跟DOM文檔（未經測試！）：

$html = file_get_contents($url); 
$doc = new DOMDocument(); 
$doc->loadHTML($html); 
$content = $doc->getElementById('content')->textContent; 

甚至只是：

$doc = new DOMDocument(); 
$doc->loadHTMLFile($url); 
$content = $doc->getElementById('content')->textContent;