即使有匹配项，preg_match 也会返回一个空字符串答案

【问题标题】：preg_match returns an empty string even there is a match即使有匹配项，preg_match 也会返回一个空字符串
【发布时间】：2014-05-22 16:16:22
【问题描述】：

我正在尝试提取网页中的所有元标记，目前正在使用 preg_match_all 来获取它，但不幸的是它为数组索引返回了一个空字符串。

 <?php
  $meta_tag_pattern = '/<meta(?:"[^"]*"[\'"]*|\'[^\']*\'[\'"]*|[^\'">])+>/';
  $meta_url = file_get_contents('test.html');
  if(preg_match_all($meta_tag_pattern, $meta_url, $matches) == 1)
    echo "there is a match <br>";

  print_r($matches);
?>

返回数组：

Array ( [0] => Array ( [0] => [1] => [2] => [3] => ) ) Array ( [0] => Array ( [0] => [1] => [2] => [3] => ) )

【问题讨论】：

由于preg_match_all返回匹配的数量，我建议你只写：if(preg_match_all($meta_tag_pattern, $meta_url, $matches) )或者如果你正在寻找第一个结果，使用preg_match。
使用DOMDocument更容易得到你想要的结果。
这就是我如何捕获元标记 /]+>/ 。你想捕捉什么？整个标签？属性？属性值？
@CasimiretHippolyte 我认为这可能是我的代码中的逻辑错误，所以我尝试了write if 语句的其他方法。我正在寻找一种性能方式来解析页面，这种方式我没有使用DOMDocument。
添加 i 标志，即不区分大小写。检查源 html 代码以确保您来自 print_r 的代码未被浏览器解析为 HTML 代码。

标签： php arrays tags preg-match-all

【解决方案1】：

DOMDocument 示例：

$url = 'test.html';

$dom = new DOMDocument();
@$dom->loadHTMLFile($url);

$metas = $dom->getElementsByTagName('meta');

foreach ($metas as $meta) {
    echo htmlspecialchars($dom->saveHTML($meta));
}

【讨论】：

很好的答案。 DOMDocument 总是比其他“撕裂”方法更好。
@JakeGould：是的，但是使用preg_match_all 完成具有良好模式和格式不太差的html 的相同任务的速度要快100 倍。

【解决方案2】：

更新：从 URL 抓取元标记的示例：

$meta_tag_pattern = '/<meta\s[^>]+>/';
$meta_url = file_get_contents('http://stackoverflow.com/questions/10551116/html-php-escape-and-symbols-while-echoing');
if(preg_match_all($meta_tag_pattern, $meta_url, $matches))
  echo "there is a match <br>";

foreach ( $matches[0] as $value ) {
    print htmlentities($value) . '<br>';
}

输出：

there is a match 
<meta name="twitter:card" content="summary">
<meta name="twitter:domain" content="stackoverflow.com"/>
<meta name="og:type" content="website" />
...

看起来问题的一部分是浏览器将元标记呈现为元标记，并且在您 print_r 输出时不显示文本，因此需要对它们进行转义。

【讨论】：

以提取stackoverflow页面的meta标签为例。
print_r 输出被我通过查看页面源查看的浏览器呈现为html，这就是为什么我没有看到输出并认为它是空字符串的原因。跨度>