使用 PHP 函数 preg_match_all 提取正则表达式 html 表格答案

【问题标题】：Regular expression html table extract using PHP function preg_match_all使用 PHP 函数 preg_match_all 提取正则表达式 html 表格
【发布时间】：2014-11-17 07:03:58
【问题描述】：

我想从包含嵌套 html 表格标签的 html 页面中提取表格，然后我想提取 <td> 和 <tr>of 表格。

我正在使用这个。 <b> 和 </b> 工作正常

$file = file_get_contents($url);
preg_match_all ("/<b>(.*)<\/b>/U", $file, $pat_array);
print $pat_array[0][0]." <br> ".$pat_array[0][1]."\n";

谁能告诉我嵌套<table (some table properties)> 一些使用<tr> 和<td> </table> 的数据的正则表达式。如果<tr> 或<td> 字段中存在href，请保留href，并记住所需的表格。

例子：

$file = "<html> <head> <title> asdf </title> </head> <body bgcolor = red >  <table border = 1> <table bgcolor = white> (some tr and td data > </table> </table></body> </body> </html>"

preg_match_all ("regular expression for table tag", $file, $pat_array);
print $pat_array[0][0]." <br> ".$pat_array[0][1]."\n";

更新 1：

当我尝试下面的代码时，它显示了错误：

注意：未定义的偏移量：第 27 行 C:\xampp\htdocs\testphp\tabledata.php 中的 0

代码：

$file = file_get_contents($url);
$pat_array = Array();
preg_match_all ("/<tr>(.*)<\/tr>/U", $file, $pat_array);
print $pat_array[1][0];

任何人都可以帮助我解决这个错误吗？

【问题讨论】：

例子会更好。
你真的不应该为此使用正则表达式，但我猜你的HTML在<tr>和</tr>之间有换行符；使用 /s (DOTALL) 修饰符会有所帮助。
Regex matching table rows in HTML的可能重复

标签： php html regex html-table extract

【解决方案1】：

不要尝试使用正则表达式解析 HTML，而是使用 DOMDocument 和 DOMXpath。

$dom = new DOMDocument();
$dom->loadHtml($file);

$xpath = new DOMXpath($dom);
$tableNodes = $xpath->query('//table'); // select all table nodes

// do something, e.g. print node content
foreach ($tableNodes as $tableNode) {
    print $tableNode->nodeValue;
}

您可以使用 xpath, have a look here 执行更多查询选项。此外，您可能希望对所选节点执行其他操作，而不仅仅是打印内容。如果您正在寻找每个表的子 DOM，请尝试以下操作：

foreach ($tableNodes as $tableNode) {
    $newDom = new DOMDocument();
    $clone = $tableNode->cloneNode(true);
    $clone = $newDom->importNode($clone, true);
    $newDom->appendChild($clone);

    $html = $newDom->saveHTML();
}

【讨论】：

如何使用这个 cod，是安装任何其他文件还是默认情况下这些设施在 php 中，如果需要安装额外的包，那么如何安装，我使用的是共享主机和 iis 7服务器所以告诉我一个适当的解决方案
@santosh 你得到了什么错误？该方法是正确的，您可能有无效的 HTML，这将导致 $dom->loadHtml(...) 中的错误
你是对的，简单的 html 它可以工作，但是当我随机选择任何工作网站的 html 页面时，它会显示 loadHtml 函数调用问题