Question

我有一个站点爬虫，它显示了一个网址列表，但问题是我不能为我的生活得到最后一个正则表达式。所有网址最终都列为：

http://www.website.org/page1.html&--EFTTIUGJ4ITCyh0Frzb_LFXe_eHw
http://website.net/page2/&--EyqBLeFeCkSfmvA7p0cLrsy1Zm1g
http://foobar.website.com/page3.php&--E5WRBxuTOQikDIyBczaVXveOdRFg

Urls可能都是不同的，唯一看似静止的是＆amp;符号。如何摆脱＆amp;符号和超越它的一切都在右边？

以下是我对上述结果的尝试：

function getresults($sterm) {
$html = file_get_html($sterm);
$result = "";
// find all span tags with class=gb1
foreach($html->find('h3[class="r"]') as $ef)
{   
$result .=  $ef->outertext . '<br>';
}
return $result;
}

function geturl($url) {
  $var = $url;
  $result = "";

preg_match_all ("/a[\s]+[^>]*?href[\s]?=[\s\"\/url?q=\']+".
               "(.*?)[\"\']+.*?>"."([^<]+|.*?)?<\/a>/",              

               $var, $matches);

$matches = $matches[1];

foreach($matches as $var)
{    
    $result .= $var."<br>";
}

echo preg_replace('/sa=U.*?usg=.*?AFQjCN/', "--" , $result);

}

Answer 1

如果url总是采用相同的格式，请使用explode：

<?php
$tmp = explode("&", "http://foobar.website.com/page3.php&--E5WRBxuTOQikDIyBczaVXveOdRFg");
?>

$ tmp [0]应该包含“http://foobar.website.com/page3.php”和 $ tmp [1]应该包含“--E5WRBxuTOQikDIyBczaVXveOdRFg”

Answer 2

在＆amp;之后删除所有内容的简单方法字符：

$result = substr($result, 0, strpos($result, '&'));

正则表达式不太正确

2 个答案: