问题如题，先上html文件，需要取里面的body内容，直接上代码：
<!DOCTYPE html> <html> <head> <meta charset="UTF-8"> <title>你好你好</title> <link rel="stylesheet" href="css/normalize.css"> <link rel="stylesheet" href="css/style.css" media="screen" type="text/css" /> </head> <body> <div style="text-align:center;clear:both;"> <script src="/follow.js" type="text/javascript"></script> </div> <div class='heart3d'> <div class='rib1'></div> <div class='rib2'></div> <div class='rib3'></div> <div class='rib4'></div> </div> </body> </html>
接着是php代码：
<?php
/**
* 在html文件中找出正文
* Created by PhpStorm.
* User: Administrator
* Date: 2016/11/15
* Time: 21:43
*/
$filename = '8/index.html';
$res = get_body_from_html($filename);
var_dump($res);
/**
* 在html文件中找出正文
* @param $filename string 路径url
* @return array|bool
*/
function get_body_from_html($filename)
{
if (!file_exists($filename)) {
return false;
}
$file = file_get_contents($filename);
$res = array();
preg_match('/<body>(.*)<\/body>/', $file, $res);
return $res;
}运行之后发现：
array(0) { }
如果里面的方法改为：
function get_body_from_html($filename)
{
if (!file_exists($filename)) {
return false;
}
// $file = file_get_contents($filename);
$file = '<html><head><title>你好</title>></head><body><div>我不好我不好</div></body></html>';
$res = array();
preg_match('/<body>(.*)<\/body>/', $file, $res);
return $res;
}运行之后就可以正确输出：
array(2) {
[0]=>
string(42) "<body><div>我不好我不好</div></body>"
[1]=>
string(29) "<div>我不好我不好</div>"
}所以要请教一下为何写的正则抓不到内容呢？
<p>'.'在默认情况下匹配的是除了换行符的所有字符, 而不是"所有非空字符"</p><p>解决方案有两种, 第一个正是 <br/></p><p>([\s\S]*?)</p><p>第二种是给正则表达式添加模式修饰符 /s, 这样 . 就是匹配所有字符了</p><p>/<body>(.*)<\/body>/s</p><p>关于所有模式修饰符, 见 <a href="http://php.net/manual/zh/reference.pcre.pattern.modifiers.php">http://php.net/manual/zh/reference.pcre.pattern.modifiers.php</a><br/></p><p><br/> </p><p><br/></p>
<p>把正则里面的</p><p>(.*)<br/></p><p>改成</p><p>([\s\S]*?)<br/></p><p>因为‘.’只能匹配所有非空字符，而换行符，缩进，空格等空字符是匹配不到的</p><p><br/></p>