PHP正则表达式中断

Question

我在html中有以下字符串。

BookSelector.load([{"index":25,"label":"Science","booktype":"pdf","payload":"<script type=\"text\/javascript\" charset=\"utf-8\" src=\"\/\/www.192.168.10.85\/libs\/js\/books.min.js\" publisher_id=\"890\"><\/script>"}]);

我想从字符串中找到src和Publisher_id。

为此，我尝试以下代码

$regex = '#\BookSelector.load\(.*?src=\"(.*?)\"}]\)#s';

preg_match($regex, $html, $matches);

$match = $matches[1];

但它始终返回null。

我只选择src的正则表达式是什么？

如果我需要解析BookSelector.load（）之间的整个字符串，我的正则表达式将是什么？

Answer 1

为什么您的正则表达式不起作用？

首先，我将回答为什么您的正则表达式无法正常工作：

1. 您在正则表达式中使用\\B 它匹配任何与单词边界（ \\b ）不匹配的位置，这不是您想要的。 此条件失败，并导致整个正则表达式失败。

2. 您的原始文本包含转义的引号，但您的正则表达式不考虑这些引号。

解决此问题的正确方法

将此任务分为几个部分，并使用现有最佳工具一一解决。

1. 您需要的数据封装在JSON结构中。 因此，显然，第一步是提取JSON内容。 为此，您可以使用正则表达式。

2. 拥有JSON内容后，您需要对其进行解码以获取其中的数据。 PHP为此具有内置函数： json_decode() 。 将其与输入字符串一起使用，并将第二个参数设置为true ，您将拥有一个不错的关联数组。

3. 一旦有了关联数组，就可以轻松获取包含<script>标签内容的payload字符串。

4. 如果您完全确定属性的顺序将始终相同，则可以使用正则表达式提取所需的信息。 如果不是这样，最好使用HTML解析器（例如PHP的DOMDocument）来执行此操作。

整个代码如下：

// Extract the JSON string from the whole block of text
if (preg_match('/BookSelector\.load\((.*?)\);/s', $text, $matches)) {

    // Get the JSON string and decode it using json_decode()
    $json    = $matches[1];
    $content = json_decode($json, true)[0]['payload'];

    $dom = new DOMDocument;
    $dom->loadHTML($content);

    // Use DOMDocument to load the string, and get the required values
    $script_tag   = $dom->getElementsByTagName('script')->item(0);
    $script_src   = $tag->getAttribute('src');
    $publisher_id = $tag->getAttribute('publisher_id');

    var_dump($src, $publisher_id);
}

输出：

string(40) "//www.192.168.10.85/libs/js/books.min.js"
string(3) "890"