如何使用 PHP 从 HTML 源代码中提取特定字符串答案

【问题标题】：How to Extract Particular String from the HTML Source code using PHP如何使用 PHP 从 HTML 源代码中提取特定字符串
【发布时间】：2017-05-23 20:23:13
【问题描述】：

我正在尝试从整个 HTML 源代码中提取特定的字符串。

HTML来源：view-source:https://www.instagram.com/p/BUbZXXMjnxY/?taken-by=narentrigger&hl=en

需要提取字符串：https://instagram.fmaa1-2.fna.fbcdn.net/t51.2885-15/e35/18645014_163619900839441_7821159798480568320_n.jpg 来自“og:image”元属性。

我尝试了一些方法，但一切都出错了。有没有办法从源代码的 og:image 元属性中获取图像链接。提取后需要将图像 url 存储在特定变量上。需要专家帮助。 Url that need to extract

【问题讨论】：

你可以使用 PHP DomDocument 来构建一个爬虫。 php.net/manual/en/class.domdocument.php
你为什么不分享那些“一些方法”以及“一切都出错”是什么意思，即你得到了什么具体的错误？
所以要提取og:image元的content属性？
是的，我需要从整个源代码@BenM 中提取 og:image meta 的 content 属性
@Narendhiranvignesh 请看我的回答。

标签： php html string url substring

【解决方案1】：

如果您只获取一个子字符串，请不要使用preg_match_all()。加载 DOMDocument 对于这项任务来说似乎有点过头了。

通过使用\K，您可以减少结果数组膨胀。

示例输入：

$input='<meta property="og:title" content="Instagram post by Narendiran blah blah" />
<meta property="og:image" content="https://instagram.fmma1-2.blah.jpg" />
<meta property="og:description" content="8 Likes, 1 Comments - blah" />';

方法（Demo）：

$url=preg_match('/"og:image"[^"]+"\K[^"]+/',$input,$out)?$out[0]:null;
echo $url;

输出：

https://instagram.fmma1-2.blah.jpg

通过使用否定字符类，正则表达式引擎将更有效地运行。 [^"]。 (Pattern Demo)

【讨论】：

【解决方案2】：

假设您使用 PHP 在字符串中包含标记，RegEx 有什么问题？

preg_match_all('/<meta.*property="og:image".*content="(.*)".*\/>/', $string, $matches);
echo $matches[1][0];

Demo

免责声明：可能会提供更高效的正则表达式。

【讨论】：

上述方法效果很好。如何在不假设标记的情况下从整个源代码中提取上述字符串（因为它可能因不同的 html 源而异）。是否可以从整个 HTML 源代码中提取“og：meta”元的“内容”属性。如果可能的话，您能否提供方法..
以上内容适用于此。 $string 可以包含您拥有的任何源代码。
是的，我已经按照我的要求执行了代码，上面的代码运行良好。谢谢@BenM

【解决方案3】：

在这段代码 sn-p 中，我使用 DOMDocument 从元标记中删除属性内容。它将它存储在一个数组中，以防有更多并返回它。希望它有效。

   function get_img_url($url) { 

        // Create a new DOM object 
        $html = new DOMDocument(); 

        // load the HTML page 
        $html->loadHTMLFile($url); 

        // create a empty array object 
        $imageArray = array(); 

        //Loop through each meta tag
        foreach($html->getElementsByTagName('meta') as $meta) { 
            $imageArray[] = array('url' => $meta->getAttribute('content')); 
        } 

        //Return the list 
        return $imageArray; 
    }

【讨论】：

【解决方案4】：

试试这个代码来报废网页。我使用了 simple_html_dom_parser。你可以从https://sourceforge.net/projects/simplehtmldom/files/下载它

include_once("simple_html_dom.php");

$output_filename = "example_homepage.html";
$fp = fopen($output_filename, 'w');
$url = 'https://www.instagram.com/p/BUbZXXMjnxY/?taken-by=narentrigger&hl=en';
$curl = curl_init();

curl_setopt($curl, CURLOPT_URL, $url);
curl_setopt($curl, CURLOPT_RETURNTRANSFER, false);
curl_setopt ($curl, CURLOPT_FILE, $fp);
$result = curl_exec($curl);

curl_close($curl);
fclose($fp);

$html = file_get_html('example_homepage.html');

foreach($html->find('meta[property=og:image]') as $element) 
   echo $element->content . '<br>';

【讨论】：