在 PHP 中使用正则表达式抓取 div 数据技术

Question

我希望使用 curl 从远程服务器上抓取带有 div id 的 div 数据。实际上这是正则表达式的问题，我在变量中包含页面的内容，例如：

$url = "http://www.google.co.in/";
$ch = curl_init($url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
$content = curl_exec($ch);
curl_close($ch);

获取数据数据的正则表达式的正确语法是什么，格式如下：

$content = "<div id="cat_list">
<h4>Browse by Category</h4>
<ul>
<li class="a"><a href="link1.php">category1</a></li>
<li class="b"><a href="link2.php">category2</a></li>
</ul>
</div>";

我需要这里的所有类别名称。

Answer 1

如果您想使用它而不是解析器，这里有一个正则表达式，因为它可能更快并且使用更少的开销。

$content = <<<EOD
<div id="cat_list">
<h4>Browse by Category</h4>
<ul>
<li class="a"><a href="link1.php">category1</a></li>
<li class="b"><a href="link2.php">category2</a></li>
</ul>
</div>
EOD;

$categories = array();

if (preg_match('/<div id="cat_list">(.*?)<\/div>/is', $content, $cat_list)) {
    $matches = preg_match_all('/<li[^>]*><a href="([^"]+)">([^<]+)<\/a>/i', $cat_list[1], $cats);

    for ($i = 0; $i < $matches; ++$i) {
        $categories[$cats[2][$i]] = array('href' => $cats[1][$i], 'name' => $cats[2][$i]);
    }
}

var_dump($categories);

结果：

array(2) {
  ["category1"]=>
  array(2) {
    ["href"]=>
    string(9) "link1.php"
    ["name"]=>
    string(9) "category1"
  }
  ["category2"]=>
  array(2) {
    ["href"]=>
    string(9) "link2.php"
    ["name"]=>
    string(9) "category2"
  }
}