如何解析HTML/XML并从中提取信息？
我正在遵循这个问题的建议:Robust,PHP的成熟HTML解析器,关于解析可能与DOMDocument格式错误的HTML .
是否有任何简单的方法来循环解析文档？所以我想像这样循环html.
$html='<ul>
<li>value1</li>
<li>value1</li>
<li>value3
<p>subvalue</p>
</li>
</ul>
<p>hello world</p>';
$doc = new DOMDocument();
$doc->loadHTML($html);
???
foreach (??? as $node)
{
print $node->nodeName.':'.$node->nodeValue;
}
得到的结果有点像这样.
ul:
li:value1
li:value2
li:value3
p:subvalue
p:hello world
单独使用$doc->childNodes并不能真正做到我想要的.因为它似乎没有下到树中的较低分支.我使用halfdan建议的代码,我得到这样的结果.
html:
html:value1
value1
value3
subvalue
hello world
有没有更好的方法来解析无效的HTML然后应用Tidy？
旁注:有些情况下你不能提供Tidy.我还不建议使用Regexp来解析html.
我想要一个PHP脚本来获取HTML代码中的所有图像并列出它.任何人都可以帮助我这样做,或者我应该如何进行一些想法？我是新手,所以任何帮助将不胜感激.
从包含大量HTMl的字符串中,如何将<h1><h2>etc标记中的所有文本提取到新变量中.
可能使用preg_match_all并将匹配发送到单个逗号分隔变量.
多谢你们.
我正在构建一个系统,我需要用PHP抓取网页的内容,然后解析它以提取某些表等.有一个简单的方法用jQuery做这个或者最好的方法是编写PHP提取数据的功能？
我怎样才能获得所有的<img>s width >= 300？
我的标记/代码:
$images = <<<END
<img src="/data/img/201108031_023" width="300" height="400" />
<img src="/data/img/201108031_026" width="250" height="300" />
<img src="/data/img/201108031_028" width="400" height="300" />
<img src="/data/img/201108031_032" width="500" height="400" />
...
END;
我的尝试:
preg_match_all("/<img(.*?) \/>/",$images,$matches);
print_r($matches);
您好,感谢您查看我的问题.我需要从HTML片段中获取一些数据.这个源是一个受信任的/结构化的,所以我认为在这个HTML中使用正则表达式是可以的.我认为Dom和php中的其他高级功能是一种矫枉过正.
以下是HTML代码段的格式.
<div id="d-container">
<div id="row-custom_1">
<div class="label">Type</div>
<div class="content">John Smith</div>
<div class="clear"></div>
</div>
</div>
在上面,请注意前2个DIV标签设置了ID.可能有几个row-custom_1像div标签,所以我需要逃避它们.
我的正则表达式实际上非常差,所以我期待你的帮助,从上面的html片段中抓住约翰史密斯.
它可能是这样的
<div * id="row-custom_1" * > * <div * class="content" * >GRAB THIS </div>
但我不知道如何在正则表达式中做到这一点.约翰史密斯部分肯定不会包含任何HTML.它来自一个值得信赖的来源,它会删除所有html并以上述格式提供数据.
我可以理解正则表达式无论如何都不是处理HTML的好主意.非常感谢你的帮助.
30分钟后编辑:很多很棒的人建议使用HTML解析器,所以我做了; 像魅力一样工作.因此,如果有人带着类似的问题来到这里,作为愚蠢的问题作者,我建议使用DOM来完成工作.
我想要可以在页面上找到错误的PHP正则表达式.因此,当我访问网站并抓取页面时,我可以列出网站上的错误.
目前我有以下代码:
preg_match('/<b>.+<\/b>:.+ in <b>\/.+<\/b> on line <b>[0-9]+<\/b><br( \/)?>/msi',$html,$errors);
它可以显示错误是否发生,但不会列出它们!我在数组中获得完整的html页面($errors[0])
有人可以帮忙吗？
编辑:所以我有一个页面,例如以下HTML源代码,我想从中提取PHP错误:
<b>Warning</b>: session_start() [<a href='function.session-start'>function.session-start</a>]: The session id contains invalid characters, valid characters are only a-z, A-Z and 0-9 in <b>/home/.../public_html/articlescript/init.php</b> on line <b>127</b><br />
<br />
<b>Warning</b>: session_start() [<a href='function.session-start'>function.session-start</a>]: Cannot send session cache limiter - headers already sent (output started at /home/.../public_html/articlescript/init.php:127) in <b>/home/.../public_html/articlescript/init.php</b> on line <b>127</b><br />
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="en" lang="en">
<head>
<title>...
我试图找出如何title="Title is here"在PHP中替换图像的标题部分(),但我不能让它工作,所以有人可以帮忙吗？
标题可以是字面上的任何东西,所以我需要找到title"{anything here}"并替换它(如下所示).
我正在向我们努力preg_replace(),但如果有更好的方法,我愿意接受建议.
我尝试了几种不同的变化,但我认为这并不是太远了 -
$pattern = '#^title="([a-zA-Z0-9])"$#';
$replacement = 'title="Visit the '.$service['title'].' page';
$service_image = preg_replace($pattern, $replacement, $service_image);
php ×10
parsing ×3
regex ×3
html ×2
html-parsing ×2
domdocument ×1
image ×1
javascript ×1
jquery ×1
loops ×1
preg-match ×1
text ×1
title ×1
xml ×1
xml-parsing ×1