PHP preg_match_all HTML日期带有斜杠错误

Question

我试图preg_match_all一个日期，其中有两个斜杠之间的斜线； 但是它返回null。

这是HTML：

> <td width='40%' align='right'class='SmallDimmedText'>Last Login: 11/14/2009</td>

这是我的preg_match_all（）代码

preg_match_all('/<td width=\'40%\' align=\'right\' class=\'SmallDimmedText\'>Last([a-zA-Z0-9\s\.\-\',]*)<\/td>/', $h, $table_content, PREG_PATTERN_ORDER);

其中$ h是上面的html。

我究竟做错了什么？
提前致谢

Answer 1

（快速浏览）是因为您要匹配：

Last Login: 11/14/2009

使用此正则表达式：

Last([a-zA-Z0-9\s\.\-\',]*)

正则表达式不包含:和/必需的字符，这些字符包含在文本字符串中。 将正则表达式的必需部分更改为：

Last([a-zA-Z0-9\s\.\-\',:/]*)

进行比赛

仅仅使用DOM解析器 ，然后根据DOM查找的结果执行正则表达式会更好吗？ 它使更好的正则表达式...

编辑

另一个问题是您的HTML是：

... 40％'align ='right'class ='SmallDimmedText'> ...

align ='right'和class ='SmallDimmedText'之间没有空格的地方

但是，该部分的正则表达式为：

... 40％\\'align = \\'right \\'class = \\'SmallDimmedText \\'> ...

显示的地方有一个空格。

使用DOM解析器它可以为您节省因细微错误而引起的头痛。

只是让您了解使用简单HTML DOM进行解析的简单程度。

$html = str_get_html(...);
$elems = $html->find('.SmallDimmedText');
if ( count($elems->children()) != 1 ){
    throw new Exception('Too many/few elements found');
}
$text = $elems->children(0)->plaintext;

//parsing here is only an example, but you have removed all
//the html so that any regex used is really simple.
$date = substr($text, strlen('Last Login: '));
$unixTime = strtotime($date);

Answer 2

我至少看到两个问题：

• 在您的HTML字符串中， 'right'和class=之间没有空格，并且正则表达式中有一个空格
• 您必须在[]之间至少将这3个字符添加到匹配字符列表中：
  • ' : ' （“登录”和日期之间有一个） ，
  • ' ' （“上次”和“登录”之间以及“：”和日期之间有空格） ，
  • 和' / ' （在日期部分之间）

有了这段代码，它似乎可以更好地工作：

$h = "<td width='40%' align='right'class='SmallDimmedText'>Last Login: 11/14/2009</td>";
if (preg_match_all("#<td width='40%' align='right'class='SmallDimmedText'>Last([a-zA-Z0-9\s\.\-',: /]*)<\/td>#", 
        $h, $table_content, PREG_PATTERN_ORDER)) {
    var_dump($table_content);
}

我得到这个输出：

array
  0 => 
    array
      0 => string '<td width='40%' align='right'class='SmallDimmedText'>Last Login: 11/14/2009</td>' (length=80)
  1 => 
    array
      0 => string ' Login: 11/14/2009' (length=18)

注意我也用过：

• #作为正则表达式分隔符，以避免必须转义斜线
• "作为字符串定界符，以避免必须转义单引号

Answer 3

我的第一个建议是尽量减少preg_match_all中的文本量，为什么不只在“>”和“ <”之间做呢？ 其次，我最终会像这样编写正则表达式，不确定是否有帮助：

/>.*[0-9]{1,2}/[0-9]{1,2}/[0-9]{2,4}</

它将寻找一个标签的结尾，然后是任何字符，然后是日期，然后是另一个标签的开头。

Answer 4

我同意Yacoby。

至少，删除对任何特定HTML的所有引用，并简单地使正则表达式

preg_match_all('#Last Login: ([\d+/?]+)#', ...