Question

我有一个脚本，它通过cURL向外部站点提交POST请求，并期望收到响应的文件。但是，如果出现错误，网站将返回HTML错误页面而不是预期的文件。

我将响应存储在一个字符串中，我想检查该字符串是否包含HTML页面，如果没有，我们可以假设该字符串包含所请求的文件数据。

我无法创建正则表达式来测试字符串是否为HTML页面。我想测试以下内容：

数据有一个开头的HTML标记：<\s*html.*>
数据后面有一个开放正文标记：<\s*body.*>
该数据具有后续结束正文标记：<\/\s*body.*>
数据后续关闭HTML代码：<\/\s*html.*>

我尝试了以下内容：

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

该函数在以下测试数据上返回false（无法匹配）：

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

我的正则表达式出了什么问题？

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

Answer 1

.与换行符不匹配，除非您使用“dotall”修饰符：s

那就是说，你不应该这样做。您应该做的是检查状态代码，例如404以指示找不到该文件。毕竟，如果您希望获得的文件本身就是HTML文件，该怎么办？

Answer 2

使用s（PCRE_DOTALL）修饰符：

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

根据PHP手册，“如果设置了此修饰符，则模式中的点元字符匹配所有字符，包括换行符。没有它，排除了换行符。“

如果字符串包含HTML页面，如何使用正则表达式测试

2 个答案: