使用RegExp在HTML标记内获取内容

Question

我想使用regexp从大型表单元文件中提取内容，并使用PHP处理数据。

这是我要匹配的数据：

<td>Current Value: </td><td>100.178</td>

我尝试使用此正则表达式来匹配和检索文本：

preg_match("<td>Current Value: </td><td>(.+?)</td>", $data, $output);

但是，我收到“未知修饰符”警告，我的变量$ output空出。

我如何才能做到这一点-您能否简要介绍一下该解决方案的工作原理，以便我可以理解为什么我的代码不起作用？

Answer 1

您需要在正则表达式周围添加定界符：

preg_match("#<td>Current Value: </td><td>(.+?)</td>#", $data, $output);

标准定界符是/ ，但是您可以根据需要使用其他非字母数字字符（这在这里很有意义，因为正则表达式本身包含斜杠）。 在您的情况下，正则表达式引擎认为您想使用尖括号作为定界符-失败了。

另一个提示（除了“不应该使用regexen解析HTML”这样的规范性建议（在这样的特定情况下，我认为完全可以））：使用([^<>]+)代替(.*?) 。 这样可以确保您的正则表达式永远不会跨越嵌套标记，这是处理标记语言时常见的错误来源。

Answer 2

我建议您使用DOM分析器。 这将使您的生活更加轻松，使代码更整洁，并且更易于维护。

http://simplehtmldom.sourceforge.net/