cURL 不适用于标签

Posted 2023-03-05

【中文标题】cURL 不适用于标签

【英文标题】：cURL not working on tag

【发布时间】：2014-08-17 07:29:50

【问题描述】：

我尝试从webpage复制一个句子

我的代码是：

$request_url ='https://***.com/questions/391005/convert-html-css-to-pdf-with-php';
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $request_url);    // The url to get links from
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true); // We want to get the respone
$result = curl_exec($ch);
$regex='/<h1 itemprop="name">(.*)<\/h1>/i';
preg_match_all($regex,$result,$parts);
$links=$parts[1];
foreach($links as $link)
    echo $link."<br>";

curl_close($ch);

有效，但是当我尝试在第 6 行更改时它不起作用

$regex='/itemprop="name">(.*)<\/h1>/i';

我要复制的这个网站的脚本是：

<h1 itemprop="name">
<a class="question-hyperlink" href="/questions/391005/convert-html-css-to-pdf-with-php">Convert HTML + CSS to PDF with PHP?</a></h1>

我想打印“使用 PHP 将 HTML + CSS 转换为 PDF？”请告诉我如何从这个锚标签中复制和打印这句话。

【问题讨论】：

正则表达式不再起作用，因为您的行首/第一个字符未包含在正则表达式中。应该是/^.*itemprop="name">(.*)<\/h1>/i

@smoes 没有输出。空白页。

@smoes 此代码 /^.*itemprop="name">(.*)/si 有效，但它不打印“使用 PHP 将 HTML + CSS 转换为 PDF？” .它的打印比这句话更多。

我发布了一个答案，并将在答案中添加新问题。如果它符合您的需求，请接受答案。

【参考方案1】：

或者，您也可以将DOMDocument 与DOMXpath 一起使用。考虑这个例子：

$request_url ='http://***.com/questions/391005/convert-html-css-to-pdf-with-php';
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $request_url); // The url to get links from
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true); // We want to get the response
libxml_use_internal_errors(true);
$result = curl_exec($ch);
$dom = new DOMDocument();
$dom->loadHTML($result);
libxml_clear_errors();
$xpath = new DOMXpath($dom);
// target the title
$title = $xpath->query('//div[@id="question-header"]/h1[@itemprop="name"]/a[@class="question-hyperlink"]')->item(0)->nodeValue;
echo $title; // Convert HTML + CSS to PDF with PHP?

旁注：这是最奇怪的抓取问题，抓取 SO。

【参考方案2】：

您需要修改正则表达式以将输入解析为单行。更准确地说，您需要告诉您正则表达式与换行符不匹配，因为换行符不是 . 的一部分

这个can be done通过在行尾的i中添加一个s：

s (PCRE_DOTALL) 如果设置了此修饰符，则模式中的点元字符匹配所有字符，包括换行符。没有它，换行符被排除在外。这个修饰符等价于 Perl 的 /s 修饰符。诸如 [^a] 之类的否定类始终匹配换行符，与此修饰符的设置无关。

您的正则表达式将如下所示：

/itemprop="name">(.*)<\/h1>/is 

---

你现在需要做的就是把其他标签中的文本也去掉。目前，您采用 h1-tag 的内部。请注意在 a-tag 之前处理换行符：

/itemprop="name">.*<a.*>(.*)<\/a><\/h1>/is

会成功的！