为什么在获取内容时我有一个空数组？答案

【问题标题】：Why do I have an empty Array as result while fetching content?为什么在获取内容时我有一个空数组？
【发布时间】：2015-08-20 08:50:04
【问题描述】：

<?php
    $page = file_get_contents("https://www.google.com");

    preg_match('#<div id="searchform" class="jhp big">(.*?)</div>#Uis', $page, $matches);

    print_r($matches);
    ?>

我编写的以下代码必须抓取另一个网页的特定部分（在本例中为 google）。不幸的是它不起作用，我不知道为什么（因为正则表达式本身正在抓取 div 内的所有内容）。

我们将不胜感激！

【问题讨论】：

在处理 HTML 时应该使用 HTML/XML 解析器。正则表达式是一种通用解决方案，解析器是专门构建的解决方案。如果存在，请始终使用专门构建的解决方案。
它可以在您自己的网站上使用吗？
U 反转贪婪/懒惰的量词，我猜这就是这里的问题。删除U 修饰符，.*? 将匹配尽可能少的字符。但是，为什么要使用正则表达式来获取 HTML 标签内容呢？使用 DOM 解析器。

标签： php regex

【解决方案1】：

根据您粘贴的页面来源，不存在具有该结构的行。这是不推荐使用正则表达式解析 HTML 的一个原因。

使用getElementById() 似乎可以满足您的需求：

<?php
$page = file_get_contents("https://www.google.com");

$doc = new DOMDocument();
$doc->loadHTML($page);
$result = $doc->getElementById('searchform');

print_r($result);
?>

编辑：

您可以使用以下代码：

<?php
$curl = curl_init();
curl_setopt($curl, CURLOPT_URL, 'https://google.com');
curl_setopt($curl, CURLOPT_FOLLOWLOCATION, TRUE);


$page = curl_exec($curl);
curl_close($curl);

$doc = new DOMDocument();
$doc->loadHTML($page);
echo($page);
$result = $doc->getElementById('searchform');
print_r($result);
?>

您可能需要参考this 问题，因为您可能需要更改一些设置。

【讨论】：

我收到错误 404 文件未找到 / 302 文件已移动。在我尝试的每一个网站上
@Testuser075：你以前没有遇到过这个错误吗？因为这与您最初使用的方法相同。
不是当我直接回显从 file_get_contents 检索到的输出时
@Testuser075：我前段时间编辑了我的问题，不知道它是否对您的问题有帮助。
我没有注意到您已经编辑了帖子。不幸的是，它并没有帮助我更进一步。我想用正则表达式写下来（如果可能的话）。您发布的另一个解决方案也很棒（DOMDocument），但找不到让它工作的解决方案:(

【解决方案2】：

DomxPath 对你来说是一个更好的选择，这里有一个例子。

<?php

$content = file_get_contents('https://www.google.com');

//gets rid of a few things that domdocument hates
$content = preg_replace("/&(?!(?:apos|quot|[gl]t|amp);|#)/", '&amp;', $content);

$doc = new DOMDocument();
$doc->loadHTML($content);
$xpath = new DomXPath($doc);


$item = $xpath->query('//div[@id="searchform"]');

【讨论】：

我收到错误 404 文件未找到 / 302 文件已移动。在我尝试的每一个网站上
我没有完全测试，我只是提供了一个样本。