使用 PHP 和 RegEx 从站点的源代码中获取所有选项值

Question

我正在学习 RegEx 和网站抓取，并且有以下问题，如果得到解答，应该会大大加快我的学习过程。

我从一个网站以 htmlencoded 格式获取了表单元素。也就是说，我有 $content 字符串，所有标签都完好无损，如下所示：

$content = "<form name="sth" action="">
<select name="city">
<option value="one">One town</option>
<option value="two">Another town</option>
<option value="three">Yet Another town</option>
...
</select>
</form>

我想以这种方式获取网站上的所有选项：

array("One Town" => "one", "Another Town" => "two", "Yet Another Town" => "three" ...);

现在，我知道这可以通过操作字符串、切片、切块、在每个字符串中搜索子字符串等等来轻松完成，直到我拥有所需的一切。但我确信必须有一种更简单的方法来使用正则表达式，它应该立即从给定的字符串中获取所有结果。谁能帮我找到一个捷径？我搜索了网络上最好的正则表达式网站，但无济于事。

非常感谢

Answer 1

见Best methods to parse HTML。在下面找到 DOM 解决方案：

$dom = new DOMDocument;
$dom->loadHTMLFile('http://example.com');
$options = array();
foreach($dom->getElementsByTagName('option') as $option) {
    $options[$option->nodeValue] = $option->getAttribute('value');
}

这个can be done with Regex 也是如此，但是当有大量可用于 PHP 的本地和第 3 方解析器时，我发现使用 Regex 编写可靠的 HTML 解析器并不实用。

Answer 2

如果它真的是连贯的 HTML，那么一个简单的正则表达式就可以了：

 preg_match('/<option\s+value="([^">]+)">([^<]+)/i', ...

但是，使用 phpQuery 或 QueryPath 通常更简单、更可靠。

 $options = qp($html)->find("select[name=city]")->find("option");
 foreach ($options as $o) {
      $result[ $o->attr("value") ] = $o->text();
 }

Answer 3

使用 SimpleXML：

libxml_use_internal_errors(true);
$load = simplexml_load_string($content);
foreach ($load->xpath('//select/option') as $path)
    var_dump((string)$path[0]);

Answer 4

我认为使用 DomXPath 比使用正则表达式更容易。 您可以尝试这样的事情（未经测试，因此可能需要一些调整）...

<?php
$content = '<form name="sth" action="">
            <select name="city">
            <option value="one">One town</option>
            <option value="two">Another town</option>
            <option value="three">Yet Another town</option>
            </select>
            </form>';

$doc = new DOMDocument;
$doc->loadhtml($content);
$xpath = new DOMXPath($doc);
$options = $xpath->evaluate("/html/body//option");
for ($i = 0; $i < $options->length; $i++) {
        $option = $options->item($i);
        $values[] =  $option->getAttribute('value');                
}
var_dump($values);
?>

Answer 5

<?php

$content = '<form name="sth" action="">
<select name="city">
<option value="one">One town</option>
<option value="two">Another town</option>
<option value="three">Yet Another town</option>
</select>
</form>';

preg_match_all('@<option value=\"(.*)\">(.*)</option>@', $content,$matches);

echo "<pre>";
print_r($matches);
?>

现在 $matches 包含您要查找的数组，您可以非常轻松地将它们处理为结果。