0

我需要在以下 HTML 代码中提取 FIESTA ERASMUS ans /event/83318 字样

    <div id="tab-soiree" class=""><div class="soireeagenda cat_1">  
            <a href="/event/83318/" class="lienFly"><img src="http://www.parisbouge.com/img/fly/resize/100/83318.jpg" alt="fiesta erasmus" class="fly"></a>
                <ul>
                    <li class="nom"><h2><a href="/event/83318/">FIESTA ERASMUS</a> </h2></li>
                    <li class="genre" style="margin-bottom:4px;">
                    <a href="/soirees-etudiantes/paris/1/" style="color:inherit;" title="soirée étudiante">soirée étudiante</a>             </li>
                    <li class="lieu"><a href="/club/paris/10/duplex">Duplex</a></li>                <li class="musique">house, electro, r&b chic, latino, disco</li>
                    <li class="pass-label">pass</li>                </ul>
                      <a href="/club/paris/10/duplex" title="duplex"><img src="/img/salles/resize/50/10.jpg" alt="duplex" class="flysalle"></a>
                 <hr class="clearleft">
        </div>

我测试了这样的东西

$PATTERN = "/\<div id="tab-soiree".*<a href="/event/(.*)/">(.*)</a>/"
preg_match($PATTERN, $html, $matches);

但它不起作用。

4

2 回答 2

2

您不使用正则表达式解析 HTML。相反,使用 PHP 本身内置的 DOM 解析工具:http: //php.net/manual/en/book.dom.php

假设您的 HTML 可以从名为 的变量访问$html

$doc = new DOMDocument();
$doc->loadHTML( $html );

$item = $doc->getElementsByTagName("li")->item(0);
$link = $item->getElementsByTagName("a")->item(0);

echo $link->attributes->getNamedItem('href')->nodeValue;
echo $link->textContent;
于 2012-04-30T15:24:10.780 回答
1

我建议以下模式:

$PATTERN = '%<h2><a href="(.*?)">(.*?)</a>[\s]+</h2>%i';
preg_match($PATTERN, $html, $matches);

(.*?)部分是一个非贪婪模式,这意味着解析器不会一直走到提供的字符串的末尾,但会"在这种情况下停止。

您可能还希望在对其进行正则表达式之前对 html 进行预处理,即删除所有换行符以摆脱该[\s]+部分。

你可以在这里在线尝试。

于 2012-04-30T15:27:29.827 回答