php - Pouvez-vous m'aider à voir les règles habituelles pour explorer les données requises ?

Question

A. html de la page à explorer :

$str2 = <<<EOT
<p topClassName='top1' topSwitch='on'  productId='2256' productName='⑧北京汉奥汽配有限公司' class='productPicListForm' id='module406product2256' faiWidth='160' faiHeight='101' faiWidthOr='600' faiHeightOr='382'>
    <table id='formTable2256_module406' class='formTable' cellpadding='0' cellspacing='0'>

        <tr>
            <td class='imgp'>
                <table cellpadding='0' cellspacing='0'>
                    <tr>
                        <td>
                            <a hidefocus='true' href='h-pd-2256-2_406.html' target='_blank'>
                                <img alt='⑧北京汉奥汽配有限公司' title='' src='http://5003100.s21i-5.faiusr.com/2/ABUIABACGAAggsfqwAUotY6_qgUw2AQ4-gI!160x160.jpg'  />
                            </a>
                        </td>
                    </tr>
                </table>
            </td>

            <td style='' class='propList'>
                <p style='' class='propp productName    '>
                    <a class='fk-productName' hidefocus='true' href='h-pd-2256-2_406.html' target='_blank' title='⑧北京汉奥汽配有限公司'>⑧北京汉奥汽配有限公司</a>
                </p>

                <p class='propp productProp6    '>
                    <span class='propName fk-prop-name'>主营：</span>
                    <span class='propValue fk-prop-other'  style='text-decoration:none;font-family:微软雅黑;font-weight:normal;'>大众 新速腾 新迈腾 新桑塔纳 新捷达 CC 新帕萨特 新宝来 收事故车及残值（郭京汉）</span>
                </p>

                <p class='propp productProp4    '>
                    <span class='propName fk-prop-name'>地址：</span>
                    <span class='propValue fk-prop-other'  style='text-decoration:none;font-family:微软雅黑;font-weight:normal;'>城环城B-01号</span>
                </p>
            </td>
        </tr>

    </table>
</p>
EOT;

B. L'expression régulière rampante que j'ai écrite :

<?php 
// 去掉开头和结尾多余的无用字符
$str2     = trim($str2);
// 去掉换行符
$str2     = preg_replace('/\r\n|\n\r|\r|\n/' , '' , $str2);
// 抓取正则

$reg_list = "/<ps*topClassName='top1's*topSwitch='on's*productId='(d+)'s*productName='[x7f-xff]+'s*class='productPicListForm's*id='[A-z0-9]+'s*faiWidth='d+'s*faiHeight='d+'s*faiWidthOr='d+'s*faiHeightOr='d+'>s*<tables*id='w+'s*class='formTable's*cellpadding='d*'s*cellspacing='d+'>s*<tr>s*<tds*class='imgp'>s*<tables*cellpadding='d+'s*cellspacing='d+'>s*<tr>s*<td>s*<as*hidefocus='true's*href='[A-z0-9. -_]+'s*target='(_blank|_self)'>s*<imgs*alt='([x7f-xff]+)'s*title='[x7f-xffA-z0-9-]*'s*src='((http|https)://[A-z0-9./!-]+)'s*/>s*</a>s*</td>s*</tr>s*</table>s*</td>s*<tds*style='[A-z0-9:-_#]*'s*class='propList'>s*<tds*style='[A-z0-9:-_#]*'s*class='propList'>s*<p style='[A-z0-9:-_#]*' class='propps*productNames*'>s*<as*class='fk-productName's*hidefocus='true's*href='([A-z0-9-._]+)'s*target='(_blank|_self)'s*title='[x7f-xff]+'>[x7f-xff]+</a>s*</p>s*<ps*class='propps*productPropd*s*'>s*<spans*class='propNames*fk-prop-name'>主营：</span>s*<spans*class='propValues*fk-prop-other's*style='[A-z0-9x7f-xff: -_#;]*'>([x7f-xff ]+_-.)</span>s*</p>s*<ps*class='propps*productProp4s*'>s*<spans*class='propNames*fk-prop-name'>地址：</span>s*<spans*class='propValues*fk-prop-other's*style='[A-z0-9x7f-xff: -_#;]*'>([x7f-xff -_.]+)</span>s*</p>s*</td>s*</td>s*</tr>s*</table>s*</p>/";

Affiché dans l'éditeur (capture d'écran) :

La raison pour laquelle c'est si compliqué est que je veux avoir une partie du contenu :

Voici le point clé. C'est tellement compliqué qu'il est impossible de déboguer l'expression régulière afin qu'elle puisse capturer correctement le contenu que je veux. Pourriez-vous s'il vous plaît me dire comment vous écrivez une expression régulière aussi complexe, puis la déboguer jusqu'à ce que vous puissiez capturer les données. tu veux. ?

Answer 1

Il est temps d’utiliser à nouveau la méthode symfony/dom-crawler. DOM Dafa est bon, si vous vous écartez des règles, vous resterez en sécurité

composer.json

{
    "require": {
        "symfony/css-selector": "^3.2",
        "symfony/dom-crawler": "^3.2"
    }
}

a.php

<?php
/**
 * Created by PhpStorm.
 * User: shellus
 * Date: 2017/4/11
 * Time: 11:55
 */

use Symfony\Component\DomCrawler\Crawler;

require 'vendor/autoload.php';

$str2 = <<<EOT
<p topClassName='top1' topSwitch='on'  productId='2256' productName='⑧北京汉奥汽配有限公司' class='productPicListForm' id='module406product2256' faiWidth='160' faiHeight='101' faiWidthOr='600' faiHeightOr='382'>
    <table id='formTable2256_module406' class='formTable' cellpadding='0' cellspacing='0'>

        <tr>
            <td class='imgp'>
                <table cellpadding='0' cellspacing='0'>
                    <tr>
                        <td>
                            <a hidefocus='true' href='h-pd-2256-2_406.html' target='_blank'>
                                <img alt='⑧北京汉奥汽配有限公司' title='' src='http://5003100.s21i-5.faiusr.com/2/ABUIABACGAAggsfqwAUotY6_qgUw2AQ4-gI!160x160.jpg'  />
                            </a>
                        </td>
                    </tr>
                </table>
            </td>

            <td style='' class='propList'>
                <p style='' class='propp productName    '>
                    <a class='fk-productName' hidefocus='true' href='h-pd-2256-2_406.html' target='_blank' title='⑧北京汉奥汽配有限公司'>⑧北京汉奥汽配有限公司</a>
                </p>

                <p class='propp productProp6    '>
                    <span class='propName fk-prop-name'>主营：</span>
                    <span class='propValue fk-prop-other'  style='text-decoration:none;font-family:微软雅黑;font-weight:normal;'>大众 新速腾 新迈腾 新桑塔纳 新捷达 CC 新帕萨特 新宝来 收事故车及残值（郭京汉）</span>
                </p>

                <p class='propp productProp4    '>
                    <span class='propName fk-prop-name'>地址：</span>
                    <span class='propValue fk-prop-other'  style='text-decoration:none;font-family:微软雅黑;font-weight:normal;'>城环城B-01号</span>
                </p>
            </td>
        </tr>

    </table>
</p>
EOT;

$dom = new Crawler();

$dom->addHtmlContent($str2, 'UTF-8');

$imgSrc = $dom->filter('td.imgp')->filter('img')->attr('src');

$productName = $dom->filter('td.propList')->filter('p.productName>a')->text();

$productProp6 = $dom->filter('td.propList')->filter('p.productProp6>.propValue')->text();

$productProp4 = $dom->filter('td.propList')->filter('p.productProp4>.propValue')->text();

var_dump($imgSrc);
echo '<br>';
var_dump($productName);
echo '<br>';
var_dump($productProp6);
echo '<br>';
var_dump($productProp4);
echo '<br>';

Sortie

Answer 2

DOM est naturellement un meilleur choix, mais il n'est pas nécessairement impossible de le faire avec des méthodes classiques.

/alt=\'(?P<name>[^\']+)\'(?:.+?)?src=\'(?P<img>[^\']+)\'(?:.+?)?主营：(?:.+?)?\'>(?P<scope>[^<]+)(?:.+?)?地址：(?:.+?)?\'>(?P<address>[^<]+)/s