Регулярные выражения

помогите составить

#1 29 октября 2014 в 19:25

Нужно регуляркой вытащить парсером текст со страницы.
Сам парсер есть.
Прошу помочь составить регулярное выражение.

Вот фрагмент со страницы, откуда надо вытащить:

Тут код страницы до блока
<div itemprop="article">
      <h1>Заголовок</h1>
              <p>Текст сообщения</p>
          </div>
Тут код страницы после блока

Надо вытащить "Заголовок" и "Текст сообщения"

Прошу помочь.

InstantGu.ru

#2 30 октября 2014 в 09:14

Исходный документ получается примерно такой(содержится в файле /test1.php)

 
<html>
    <body>
        <div itemprop="article">
            <h1>Заголовок</h1>
            <p>Текст сообщения</p>
    </div>
    <div itemprop="article1">
            <h1>Заголовок1</h1>
            <p>Текст сообщения1</p>
    </div>
    </body>
</html>

Парсим примерно так:

 
<?php
define('PATH', $_SERVER['DOCUMENT_ROOT']);
 
//получаем содержание файла, который надо парсить
$content = file_get_contents(PATH."/test1.php");
 
//Первый вариант - регулярные выражения, использование неправильно
//если кто-то слегка изменил форматирование исходного документа - всё полетит к чертям
$pattern1 = '/<div itemprop="(.+?)">(.+?)<\/div>/ius';
$pattern2 = '/<h1>(.*?)<\/h1>(\s*?)<p>(.+?)<\/p>/ius';
 
preg_match_all($pattern1, $content, $matches1);
 
foreach ($matches1[2] as $k=>$m){  
    preg_match_all($pattern2, $m, $matches2);
    echo $matches2[1][0]; //- Заголовок
    echo $matches2[3][0]; //- Текст сообщения
}
 
 
//Второй вариант, более предпочтительный
//но не работает, если исходный документ отфарматирован неправильно - не закрыты какие-то теги...
$html = new SimpleXMLElement($content);
 
//вариант, если html документ форатирован правильно, содержит body и правильную html разметку
foreach($html->body[0] as $div){
    echo $div->h1; //заголовок
    echo $div->p;  //текст сообщения
}
 
 
//третий вариант - самый подходящий. Гуглим и юзаем PHP Simple HTML DOM
 
?>

Хватит париться, живи как нравится!

#3 30 октября 2014 в 09:32

Я предложу свой третий вариант. Заюзать php query habrahabr.ru/post/69149/
Выборка элементов очень схожа с jquery. Есть один минус, из-за которого я перешел на регулярки — после обработки ею некоторых сайтов на выходе получаем краказябры. Причем, как показало гугление, баг встречается у многих и не пофиксен.

Разработка виджетов, полей и компонентов для instantcms 2, сайты под ключ. site: www.zau4man.ru telegram: @zau4man

Биллинг проблема.

Метод getPreventDefault() явля

Вы не можете отвечать в этой теме.
Войдите или зарегистрируйтесь, чтобы писать на форуме.

Регулярные выражения

Похожие темы

SEO для компонента поиск

[ЕСТЬ РЕШЕНИЕ] Выбрать картинки из текста и вставить в отдельное поле

[ЕСТЬ РЕШЕНИЕ] Помогите проверить регулярку

Помогите с регулярным выражением

Регулярное выражение

[ЕСТЬ РЕШЕНИЕ] Благотворительные сборы

InstantCMS Team

О проекте

Поддержка

Дополнения