I'm not very good at regex and looked everywhere i could. I could use some help to parse this page (http://www.imdb.com/search/title?count=100&groups=oscar_best_picture_winners&sort=year,desc&ref_=nv_ch_osc_3) to get the movies name . P.S: Could use a dummy regex too.
问问题
1476 次
2 回答
3
简答
这与您之前的问题几乎相同，答案也相同......尽管使用了修改过的正则表达式。
#<td class="number">(\d+).</td>.*?<a href="/title/tt\d+/">(.*?)</a>#s
https://stackoverflow.com/a/19600974/2573622
扩展答案
关于正则表达式
有关更多信息，您可能需要查看以下链接：
http://www.regular-expressions.info/
单击顶部菜单栏上的教程，几乎所有正则表达式都有解释。
制作正则表达式
首先，您必须从页面中获取相关的 html（对于一部电影）...
<td class="number">RANK.</td>
<td class="image">
<a href="/title/tt000000/" title="FILM TITLE (YEAR)"><img src="http://imdb.com/path-to-image.jpg" height="74" width="54" alt="FILM TITLE (YEAR)" title="FILM TITLE (YEAR)"></a>
</td>
<td class="title">
<span class="wlb_wrapper" data-tconst="tt000000" data-size="small" data-caller-name="search"></span>
<a href="/title/tt000000/">FILM TITLE</a>
然后你去掉噪音/可变信息......
<td class="number">RANK.</td>.*?<a href="/title/tt\d+/">FILM TITLE</a>
然后添加您的捕获组...
<td class="number">(RANK).</td>.*?<a href="/title/tt\d+/">(FILM TITLE)</a>
就是这样：
#<td class="number">(\d+).</td>.*?<a href="/title/tt\d+/">(.*?)</a>#s
结束模式分隔符后的s修饰符使正则表达式引擎也.匹配新行
带代码
与上一个答案相同（使用修改的正则表达式）
$page = file_get_contents('http://www.imdb.com/search/title?count=100&groups=oscar_best_picture_winners&sort=year,desc&ref_=nv_ch_osc_3');
preg_match_all('#<td class="number">(\d+).</td>.*?<a href="/title/tt\d+/">(.*?)</a>#s', $page, $matches);
$filmList = array_combine($matches[1], $matches[2]);
然后你可以这样做：
echo $filmList[1];
/**
Output:
Argo
*/
echo array_search("The Artist", $filmList);
/**
Output:
2
*/
http://php.net/manual/en/reference.pcre.pattern.modifiers.php
http://php.net/file_get_contents
http://php.net/preg_match_all
http://php.net/array_combine
http: //php.net/array_search
于 2013-10-27T00:03:12.553 回答
0
不确定您需要/不需要哪些反斜杠：
href=\"\/title\/tt.*height=\"74\" width=\"54\" alt=\"([^"]*)\"
有用的结果是\1或$1
于 2013-10-26T14:32:06.613 回答