0

所以我今天正在学习正则表达式和其他东西，我让它按照我想要的方式工作，但是当我试图把它用作从网站获取数据的一部分时，它不起作用。有趣的是，如果我回显了我正在检索的原始 html，然后手动将其作为字符串放入正则表达式中，它就可以正常工作。有谁知道为什么会发生这种情况？这是代码：

preg_match_all('/<img src="images\/cms\/trinket\/(.*).png" \/><\/a> 
                <div style="width:85px; font-size:14px; font-weight:bold; 
                 color:#731c08;">(.*)<\/div>/iU', snd('test.php'), 
               $matches, PREG_SET_ORDER);

snd 是 curl 返回可能导致问题的数据的函数，但我不知道。

snd函数：

function snd($url) {
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_URL, 'http://whatever.com/'.$url);
    curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/28.0.1468.0 Safari/537.36');
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    curl_setopt($ch, CURLOPT_HEADER, 1);
    $result = curl_exec($ch);
    curl_close($ch);

    return $result;
}

示例（为便于阅读而添加了换行符）：

<div style="width:600px; margin-left:auto; margin-right:auto; text-align:center; position:relative; z-index:1;"> 
<span style="display:inline-block; width:85px; height:100px;"> 
<a rel="includes/itemajax.php?id=789&tab=trinket" class="clue">
<img src="images/cms/trinket/789.png" /></a> 
<div style="width:85px; font-size:14px; font-weight:bold; color:#731c08;">4</div> 
</span>  <span style="display:inline-block; width:85px; height:100px;"> 
<a rel="includes/itemajax.php?id=891&tab=trinket" class="clue">
<img src="images/cms/trinket/891.png" /></a> 
<div style="width:85px; font-size:14px; font-weight:bold; color:#731c08;">3</div> </span>

应该返回：789,4 和 891,3

4

1 回答 1

1

在将您的正则表达式与示例文本进行比较后，问题似乎在于示例文本本身中的“空白”。

例如，img src=将不匹配，但如果将其更改为img[\s]+src=，它将匹配。

如果您在整个正则表达式中添加此更改，您应该最终得到：

<img[\s]+src="images\/cms\/trinket\/(.*).png"[\s]+\/><\/a>[\s\r\n]+<div[\s]+style="[^"]+">(.*)<\/div>

如果要将模式拆分为多行以提高可读性，还可以使用该x标志来“忽略模式空白”：

preg_match_all('/<img[\s]+src="images\/cms\/trinket\/(.*).png"[\s]+\/><\/a>[\s\r\n]+
                 <div[\s]+style="[^"]+">(.*)<\/div>
                /iUx',
               snd('test.php'), $matches, PREG_SET_ORDER);

注意：我还将stylediv 属性中的值列表更新为只是[^"]+因为完整列表相当长且不必要；如果需要，您可以随时添加它们。

于 2013-07-26T13:25:56.003 回答