Question

我需要一个正则表达式来提取指定的值，但不起作用。

HTML代码是下一个：

<body style="background: #FFF; padding-left: 5px;">
    <form name="form1" method="post" action="verify()" id="form1">
        <div>
            <input type="hidden" name="__VIEWSTATE" id="__VIEWSTATE" value="/asdasfafasf/9Q2w==" />
        </div>
        <div>
            <input type="hidden" name="__EVENTVALIDATION" id="__EVENTVALIDATION" value="/wEWAwKb/LCHCALs0bLrBgKM54rGBulKe8VRM9SNhTfqyz0GubMFea7i" />
        </div>
        <div class="nicer">
            <input name="TextBox1" type="text" value="asdf44" id="TextBox1" placeholder="Ingresa tu patente" />
        </div>
        <p class="sample">
            <br /> sample: asdasd34 &oacute; ABCD12
            <br /> Para . Ej. AB<strong style="font-weight: bold !importand;">0</strong>123</p>
        <p>
            <input type="submit" name="Button1" value="Consultar" id="Button1" class="button orange_btn small_btn" />
        </p>
        <h3><span id="Label1" class="infractions_report">result: asdf44</span></h3>
        <div>
            <table cellspacing="0" rules="all" border="1" id="GridView1" style="border-collapse:collapse;">
                <tr>
                    <th scope="col">date</th>
                    <th scope="col">category</th>
                    <th scope="col">statusok</th>
                </tr>
                <tr class="txt">
                    <td>10-08-2015</td>
                    <td>1</td>
                    <td>cs nor</td>
                </tr>
                <tr class="txt">
                    <td>04-08-2015</td>
                    <td>1</td>
                    <td>cs nor2</td>
                </tr>
                <tr class="txt">
                    <td>01-08-2015</td>
                    <td>1</td>
                    <td>cs nor3</td>
                </tr>
                <tr class="txt">
                    <td>30-07-2015</td>
                    <td>1</td>
                    <td>cs nor4</td>
                </tr>
                <tr class="txt">
                    <td>19-06-2015</td>
                    <td>1</td>
                    <td>cn nor5</td>
                </tr>
            </table>
        </div>
    </form>
</body>

PHP代码是下一个：

$expresiondate = '/\<tr\>[\s]*\<td class\=\"txt\"\>[\s]*([^\s\<\/]*)/is';
preg_match_all($expresiondate , $buffer, $exit1);

$expresionCategory= '/\-[\d]{4}[\s]*<\/td\>[\s]*\<td class\=\"txt\"\>[\s]*([^\s\<\/]*)/is';
preg_match_all($expresionCategory, $buffer, $exit2);

$expresionstatus= '/\>[\s]*[\d]*[\s]*<\/td\>[\s]*\<td class\=\"txt\"\>[\s]*([^\s\<\/]*)/is';
preg_match_all($expresionstatus, $buffer, $exit3);

我需要的结果是下一个（示例值，但是这个输出）：

    1. date: 
array (
  0 => 
  array (
    0 => '<td align="center">15/01/2016 00:22:16</td>',
    1 => '<td align="center">16/01/2016 00:22:16</td>',
    2 => '<td align="center">11/01/2015 00:22:16</td>',
  ),
  1 => 
  array (
    0 => '15/01/2016',
    1 => '16/01/2016',
    2 => '11/01/2015',
  ),
)

2. category
array (
  0 => 
  array (
    0 => '<td>10-08-2015</td><td>1</td><td>cs nor</td>',
    1 => '<td>10-08-2015</td><td>1</td><td>cs nor</td>',
    2 => '<td>10-08-2015</td><td>1</td><td>cs nor</td>',
  ),
  1 => 
  array (
    0 => '1',
    1 => '1',
    2 => '1',
  ),
)

3.status
array (
  0 => 
  array (
    0 => '<td>10-08-2015</td><td>1</td><td>cs nor</td>',
    1 => '<td>10-08-2015</td><td>1</td><td>cs nor</td>',
    2 => '<td>10-08-2015</td><td>1</td><td>cs nor</td>',
  ),
  1 => 
  array (
    0 => 'cn nor1',
    1 => 'cn nor2',
    2 => 'cn nor3,
  ),
)

Answer 1

正则表达式很难解释..

我建议使用＆＃34;命名捕获组＆＃34;从表格单元格中抓取内容。

我想出了以下正则表达式：

$regexp = "/<td>(?P<data>(\d{2}-\d{2}-\d{4}))<\/td>\s+<td>(?P<category>\d{1})<\/td>\s+<td>(?P<status>.*)<\/td>/mi";
preg_match_all($regexp, $input_lines, $matches);

乍一看，这个东西看起来可能很多，但它是由部分构建的。

好的，让我们逐一介绍：

捕获组以(?P<name_of_the_capturing_group>(regexp))开头
- 其中regexp是您要为该组捕获的部分
您想捕获td标记内的内容，因此将该组置于td
每个td标记后跟空格\s+
现在是捕获组的3个正则表达式部分
- 日期(\d{2}-\d{2}-\d{4})
  - 匹配：两位数减去两位数减去4位数
  - 捕获群组= (?P<date>(\d{2}-\d{2}-\d{4}))
- 类别\d{1}
  - 只需一位数
  - 捕获群组= (?P<category>\d{1})
- 状态.*
  - 匹配所有，混合
  - 捕获群组= (?P<status>.*)

仅preg_match_all运行var_dump($matches);后，它应包含日期，类别和状态的键。

永远记住：只有Chuck Norris可以用正则表达式解析HTML。

Answer 2

再一次，正则表达式不是解析HTML的工具。使用专为。

设计的内置工具DOMDocument和DOMXPath

$url = 'page.html';

libxml_use_internal_errors(true);
$dom = new DOMDocument;
$dom->loadHTMLFile($url);

$xp = new DOMXPath($dom);
$rowNodeList = $xp->query('//table[@id="GridView1"]/tr[@class="txt"]');
$results = [];
foreach ($rowNodeList as $rowNode) {
    $colNodeList = $rowNode->getElementsByTagName('td');
    $results[] = [ 'date'     => $colNodeList->item(0)->nodeValue,
                   'category' => $colNodeList->item(1)->nodeValue, 
                   'status'   => $colNodeList->item(2)->nodeValue ];
}

libxml_clear_errors();

print_r($results);

使用RegEx通过特定输出提取特定数据

2 个答案: