使用正則表達式解析HTML可能不是最好的方法.

您可以查看DOMDocument::loadHTML,這將允許您使用DOM方法處理HTML文檔(例如,如果您知道這些,則使用XPath查詢).

您可能還想看一下Zend_Dom和Zend_Dom_Query,順便說一句,如果您可以在應用程序中使用Zend Framework的某些部分,這是非常好的.

例如,在使用Zend_Test進行功能測試時,它們用于從HTML頁面獲取數據 – 并且工作得很好;-)

首先看起來似乎更難……但是,考慮到一些HTML頁面的混亂,它可能是一個更明智的想法……

在評論和編輯OP之后編輯

這里有幾個想法,從“簡單”開始,一個輸入標簽：

>它可以跨越幾條線傳播

>它可以有很多屬性

>只考慮名稱和價值是您感興趣的,您必須處理這兩個可能處于任何可能的順序的事實

>屬性可以包含雙引號,單引號,甚至不包含其值

> tags / attributes可以是小寫的也可以是大寫的

>標簽并不總是必須關閉

好吧,其中一些點無效 – HTML;但仍然在大多數公共網絡瀏覽器中工作,所以必須考慮到它們……

只有這些點,我不想成為寫正則表達式的人^^

但我想可能還有其他一些我沒想過的困難.

另一方面,你有DOM和xpath …要獲得輸入名稱=“q”的值(例如this page),這是一個類似這樣的問題：

$url = 'http://www.google.fr/search?q=test&ie=utf-8&oe=utf-8&aq=t&rls=com.ubuntu:en-US:unofficial&client=firefox-a';

$html = file_get_contents($url);

$dom = new DOMDocument();

if (@$dom->loadHTML($html)) {

// yep, not necessarily valid-html...

$xpath = new DOMXpath($dom);

$nodeList = $xpath->query('//input[@name="q"]');

if ($nodeList->length > 0) {

for ($i=0 ; $ilength ; $i++) {

$node = $nodeList->item($i);

var_dump($node->getAttribute('value'));

}

}

} else {

// too bad...

}

重要的是什么？ XPath查詢,只有…并且它有什么靜態/常量嗎？

好吧,我說我想要所有< input>具有等于??“q”的name屬性.

它只是工作：我得到這個結果：

string 'test' (length=4)

string 'test' (length=4)

(我查了一下：頁面上有兩個輸入名稱=“q”^^)

我知道頁面的結構嗎？絕對沒有;-)

我只知道我/你/我們想要名為q的輸入標簽;-)

這就是我們得到的;-)

編輯2：選擇和選項有點樂趣：

好吧,只是為了好玩,這是我為選擇和選項提出的：

$url = 'http://www.google.fr/language_tools?hl=fr';

$html = file_get_contents($url);

$dom = new DOMDocument();

if (@$dom->loadHTML($html)) {

// yep, not necessarily valid-html...

$xpath = new DOMXpath($dom);

$nodeListSelects = $xpath->query('//select');

if ($nodeListSelects->length > 0) {

for ($i=0 ; $ilength ; $i++) {

$nodeSelect = $nodeListSelects->item($i);

$name = $nodeSelect->getAttribute('name');

$nodeListOptions = $xpath->query('option[@selected="selected"]', $nodeSelect); // We want options that are inside the current select

if ($nodeListOptions->length > 0) {

for ($j=0 ; $jlength ; $j++) {

$nodeOption = $nodeListOptions->item($j);

$value = $nodeOption->getAttribute('value');

var_dump("name='$name' => value='$value'");

}

}

}

}

} else {

// too bad...

}

我得到一個輸出：

string 'name='sl' => value='fr'' (length=23)

string 'name='tl' => value='en'' (length=23)

string 'name='sl' => value='en'' (length=23)

string 'name='tl' => value='fr'' (length=23)

string 'name='sl' => value='en'' (length=23)

string 'name='tl' => value='fr'' (length=23)

這是我的預期.

一些解釋？

好吧,首先,我獲取頁面的所有選擇標記,并將其名稱保存在內存中.

然后,對于每一個,我得到選定的選項標簽作為其后代(總是只有一個,順便說一句).

在這里,我有價值.

比前面的例子復雜一點……但是仍然比正則表達式容易得多,我相信……花了我10分鐘,而不是更多……我仍然沒有勇氣(瘋狂？)開始想想某種能夠做到這一點的突變正則表達式:-D

哦,作為旁注：我仍然不知道HTML文檔的結構是什么樣的：我甚至沒有看過它的源代碼^^

我希望這會有所幫助……

誰知道,也許我會說服你正則表達式在解析HTML時不是一個好主意……也許吧？ 😉

還是：玩得開心！

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的php表单提取,php – 使用RegEx提取表单字段的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。