使用 RegEx 查找 HTML 标记之间的内容 - Find content between HTML tags using RegEx

Find content between HTML tags using RegEx

本文关键字：之间 RegEx 查找 HTML 使用 | 更新日期: 2023-09-27

我想提取具有属性名称的页面的内容 itemprop .假设我的页面具有不同的HTML标签，这些标签具有名为itemprop的属性，因此我希望这些标签之间的文本，

对于标题：

<h1 itemprop="name" class="h2">Whirlpool Direct Drive Washer Motor Coupling</h1>

来自 td 标签的表数据：

<td itemprop="productID">AP3963893</td>

这里的itemprop属性是常见的。所以我需要这些标签之间的数据，例如使用 regexp 的 Whirlpool Direct Drive Washer Motor Coupling 和 AP3963893 .

下面是我的代码（目前不起作用）

preg_match_all(
    '/<div class='"pdct'-inf'">(.*?)<'/div>/s',
    $producturl,
    $posts    
);

我的代码：

<?php
    define('CSV_PATH','csvfiles/');
    $csv_file = CSV_PATH . "producturl.csv"; // Name of your producturl file
    $csvfile = fopen($csv_file, 'r');
    $csv_fileoutput = CSV_PATH . "productscraping.csv"; // Name of your product page data file
    $csvfileoutput = fopen($csv_fileoutput, 'a');
    $websitename = "http://www.appliancepartspros.com";
    while($data = fgetcsv($csvfile)) 
    {
        $producturl = $websitename . trim($data[1]);
        preg_match_all(
            '/<.*itemprop='".*'".*>(.*?)<'/.*>/s',
            $producturl,
            $posts    
        );
        print_r($posts);
    }

首先，永远不要使用正则表达式来解析 HTML。其次，你可以通过使用属性选择器非常简单地使用 jQuery 来实现这一点：

var nameItemprop = $('[itemprop="name"]').text(); // = 'Whirlpool Direct Drive Washer Motor Coupling'
var productIdItemprop = $('[itemprop="productID"]').text(); // = 'AP3963893'

但请注意，创建自己的非标准属性是无效的 HTML。理想情况下，您应该使用 data-* 属性来包含与这些元素关联的数据：

<h1 data-itemprop="name" class="h2">Whirlpool Direct Drive Washer Motor Coupling</h1>
<td data-itemprop="productID">AP3963893</td>

var nameItemprop = $('[data-itemprop="name"]').text();
var productIdItemprop = $('[data-itemprop="productID"]').text();

最后，如果有多个元素具有相同的itemprop属性，则需要遍历它们以从每个单独的元素中获取值。

如前所述，您不应该使用 RegExp 来解析 HTML，但如果您坚持这样做，这里有一个应该有效的模式：

$producturl = '<h1 itemprop="name" class="h2">Whirlpool Direct Drive Washer Motor Coupling</h1>';
if (preg_match_all(
   '/<.*itemprop='".*'".*>(.*?)<'/.*>/s',
   $producturl,
   $posts    
)) {
    print_r($posts);
}

这将创建以下输出：

Array
(
    [0] => Array
        (
            [0] => <h1 itemprop="name" class="h2">Whirlpool Direct Drive Washer Motor Coupling</h1>
        )
    [1] => Array
        (
            [0] => Whirlpool Direct Drive Washer Motor Coupling
        )
)