使用 PHP 和 preg_match 在 HTML 标记中捕获文本 [重复]

Question

我的脚本遇到了障碍，我必须检查某个网站上的可用性。我需要 html 标记中的文本，但我不确定如何处理它。

我测试过的代码是这样结束的：

<?php
ini_set("allow_url_fopen", 1);
$homepage2 = file_get_contents('https://www.someurlwithavailability.com');
//URL has the following HTML tag: <div id="Availability">
                            Availability: Special Offer, ships within 10 - 15 business days                         </div>"
preg_match("/<div id="Availability">(.*?)</div>/si", $homepage2, $avail);
print_r($avail);
echo '<br>', '~Availability is~', '<br>', $avail, '<br>';
$stringavail=implode(" ",$avail);
echo $stringavail;
?>

根据我在 preg_match(***,$homepage2, $avail); 之后放置的内容，我会收到各种错误。而且我不确定我需要输入什么语法来检索文本。

我上面的代码给了我这个：

解析错误：语法错误，第 6 行 /u/o/placeiamrunningthecodefrom.php 中的意外“可用性”（T_STRING）

请求的 URL 带有一个非常大的完整 HTML 页面。这个 HTML 标签是唯一的，不会重复。

谁能帮帮我？

Answer 1

虽然这可以与正则表达式一起工作。不推荐，也不方便。

我建议试试DOMDocument::getElementById。它甚至在页面上有一个示例：

$doc = new DomDocument;

// We need to validate our document before refering to the id
$doc->validateOnParse = true;
$doc->Load('book.xml');

echo "The element whose id is 'php-basics' is: " . $doc->getElementById('php-basics')->tagName . "\n";

现在要获取内容而不是 tagName，我们可以使用继承自 domnode 的 ->textContent

Answer 2

尝试在该模式周围使用单引号。 并且，请确保您正在转义特殊的正则表达式字符。 而且，您实际上是在要求最后</div> 的所有内容。所以，你需要更具体。

'/<div id="Availability">([^<]*)<\/div>/si'

而不是

"/<div id="Availability">(.*?)</div>/si"

当然，如果<div>里面有html的话，这还是不可靠的

但是，这应该让你更接近。

另外，试试在线正则表达式工具。我喜欢这一个。 https://regex101.com/

Answer 3

问题是你的双引号字符串中有双引号，并且没有转义它们：

preg_match("/<div id="Availability">(.*?)</div>/si", $homepage2, $avail);
                     ^            ^

如果您使用了不错的 IDE，它会在您输入时提醒您这一点。

只需将分隔引号更改为单引号。

此外，由于您的正则表达式分隔符 / 出现在正则表达式中，您要么需要转义它出现在正则表达式中的字符，要么使用表达式中没有的分隔符。

preg_match('#<div id="Availability">(.*?)</div>#si', $homepage2, $avail);

但是，使用正则表达式解析 HTML 通常是个坏主意。您应该使用像 DOMDocument 类这样的 DOM 解析器库。