从 html 中抓取某些标签/特定数据之间的任何内容？ [复制]

Question

我有一个自定义编写的电子商务网站 - 我的任何竞争对手（有时）都在玩非常不公平的游戏。他们非常重视他们的价格，这意味着如果我在几天内降低或更改产品的价格，它会在我的竞争对手页面上发生变化。

我想做的是在 php 中为我的管理部分编写一个自定义代码，允许在竞争对手网站上查询相同的产品页面，并只显示他们对相同产品的价格。

我能够运行一些 curl，然后我遇到了问题。我玩过正则表达式，但不幸的是它并没有真正按照我想要的方式工作。问题是，我需要一个适用于 3 个不同 html 上的 3 个两个案例的解决方案，例如：

<span class="price">$322.00</span>
<div class="sale-price">322</div>
<div class="some_price"><span class="price" ...>$322 USD</span></div>

等等。

获取正则表达式的方法是什么（或者如果有其他方法请告诉我）来剪切某些 html 标记之间的任何内容？我不在乎它是数字还是格式化价格，我只需要它在我自己的管理员定价工具中进行比较。

谢谢！

Answer 1

这可能是 Regular expression to remove HTML tags from a string 的副本。

不过，如果您可以执行 curl 命令，您也许还可以执行其他终端/CLI 命令，例如“sed”。如果是这种情况，删除大部分 HTML 标记的简单方法如下： curl www.a-given-web-page.com | sed 's/<[^>]*>//g'

实际上，如果您不能使用 sed，您可能很容易在您的 php 代码中重用我在 sed 命令 (<[^>]*>) 中使用的正则表达式模式？ 我不是 PHP 专家，但似乎 PHP 中确实存在正则表达式搜索和替换功能： https://www.php.net/manual/en/function.preg-replace.php

希望对你有用，祝你好运！

更新：我检查了一下如何在 PHP 沙箱上使用 preg_replace。 它似乎适用于您的示例数据： http://sandbox.onlinephpfunctions.com/code/d9f8dc6ac31c2f0505a9f2c29ee503c7d5c69e72

这是我的编码方式：$result = preg_replace('/<[^>]*>/', '', $string); （其中$string 是您的html 存储变量，$result 应该包含不带html 标记的预期结果。