我有一个cURL函数，它可以获取指定页面上的所有内容，但我只想要body标记之间的元素。我发现这个漂亮的正则表达式可以匹配<body>和</body>之间的所有内容，这很有效。但后来我意识到，我需要在其中一个页面上使用cURL，其中实际上有一个带有样式信息的body标记，所以我真正想要匹配的是<body style=...>和</body>之间的所有内容。有人知道与之匹配的正则表达式吗？以下是我迄今为止的所有代码。。。
<?php
error_reporting(E_ALL);
ini_set("display_errors", "1");
$pageToLoad = $_POST['load'];
function get_data($url) {
$ch = curl_init();
$timeout = 5;
curl_setopt($ch, CURLOPT_HEADER, 0);
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout);
curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false);
curl_setopt ($ch, CURLOPT_FOLLOWLOCATION, true);
curl_setopt ($ch, CURLOPT_USERAGENT,'Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.13) Gecko/20080311 Firefox/2.0.0.13');
$data = curl_exec($ch);
curl_close($ch);
return $data;
}
$html = get_data($pageToLoad);
$newHtml = preg_match("~<body[^>]*>(.*?)</body>~si", $html, $newHtml);
print_r($newHtml);
?>
当您尝试将属性作为搜索模式的一部分时，尝试在html中查找模式可能是一个危险的命题。例如，属性值可以是单引号，也可以是双引号，即使有人忘记引用某些内容，或者引号不匹配，大多数解析器也能够进行管理。由于您只是在寻找一个特定的属性名称，这很容易，但仍然存在一些问题，例如您正在寻找的属性名称是否作为值存在于另一个属性中。
（见鬼，你原来的简单正则表达式会错误地匹配一些不太可能的字符串，比如<bodycustomelement>...</body>.
由于style属性后面几乎总是跟一个等号，我会用这个事实来找到它。我还会确保我匹配一个body元素，而不是像上面的例子那样的不太可能的变体。
<body's[^>]*style's*=[^>]*>(.*?)</body>
雷
这基本上与原始regex相同，但中间有's[^>]*style's*=
- CCD_ 7确保在主体元素之后存在空间，使得它只能是主体元素
[^>]*匹配除>以外的任何字符0次或更多次style匹配字符串"style"'s*允许样式和等号之间有空白=与字符串"="匹配
我很难想出一个例子来混淆这个正则表达式，它不会导致解析器出现问题。我想，如果有人在元素的开头在<和body之间添加了空格，或者他们在body的结尾有空格或任何其他字符。另外，有些人可能会把封闭体元素全部省略掉。
您可以不断添加到regex中来处理这些示例，但对于您在野外遇到的任何情况，我给出的都会很好地工作。
最简单的方法是使用类似以下的正则表达式：
preg_match('|body[^>]*>(.*?)(?='</body)|si',$html,$match);
echo $match[1];
您希望对Regex使用S和I修饰符来跨越多行并且不区分大小写。