我很久以前建立了一个站点，现在我想将数据放入数据库中，而无需复制和粘贴它已经增长到的 400 多个页面，以便我可以驱动站点数据库。
我的网站有这样的元标记（每个页面不同）：
<meta name="clan_name" content="Dark Mage" />
所以我正在做的是使用 cURL 将整个 HTML 页面作为字符串放在一个变量中。我也可以用 fopen 等来做...，但我认为这并不重要。
我需要在字符串中移动以找到“Dark Mage”并将其存储在一个变量中（这样我就可以放入 sql 中）
关于找到黑暗法师存储在变量中的最佳方法的任何想法？我试图使用 substr，然后只是从 clan_name 中的 e 中减去字符数，但那是失败的。
【问题讨论】：
只需使用 PHP DOM 函数解析页面，特别是 loadHTML()。然后，您可以遍历树或使用 xpath 来查找您要查找的节点。
<?
$doc = new DomDocument;
$doc->loadHTML($html);
$meta = $doc->getElementsByTagName('meta');
foreach ($meta as $data) {
$name = $meta->getAttribute('name');
if ($name == 'clan_name') {
$content = $meta->getAttribute('content');
// TODO handle content for clan_name
}
}
?>
编辑 如果您想在将 HTML 字符串加载到内存之前删除某些标签（例如 <script>），请尝试使用 strip_tags() 函数。像这样的东西只会保留元标记：
<?
$html = strip_tags($html, '<meta>');
?>
【讨论】：
true) 在 PHP 5.3 中被添加。您可能运行的是旧版本。
在 PHP 的 preg_match() 中使用如下的正则表达式：
/<meta name="clan_name" content="([^"]+)"/
如果您不熟悉正则表达式，请继续阅读。
开头和结尾的正斜杠分隔正则表达式。分隔符内的内容非常简单，除了结尾。
方括号分隔一个字符类，字符类开头的插入符号是一个否定运算符；那么，把这个字符类放在一起：
[^"]
表示“匹配任何不是双引号的字符”。
+ 是一个量词，它要求前一个项目至少出现一次，并且匹配与第一个相邻的前一个项目的数量。所以这个：
[^"]+
表示“匹配一个或多个不是双引号的字符”。
最后，括号使正则表达式引擎将它们之间的任何内容存储在一个子模式中。所以这个：
([^"]+)
表示“匹配一个或多个不是双引号的字符并将它们存储为匹配的子模式。
在 PHP 中，preg_match() 将匹配项存储在您通过引用传递的数组中。完整模式存储在数组的第一个元素中，第一个子模式存储在第二个元素中，如果还有其他子模式，则以此类推。
所以，假设你的 HTML 页面在变量“$page”中，下面的代码：
$matches = array();
$found = preg_match('/<meta name="clan_name" content="([^"]+)"/', $page, $matches);
if ($found) {
$clan_name = $matches[1];
}
应该得到你想要的。
【讨论】：
if 进行检查，而不是依赖匹配计数。
'/<meta name="([^"]+)" content="([^"]+)"/' 作为正则表达式并查看(found && $matches[1] == 'clan_name') 或其他内容。
使用preg_match。一个可能的正则表达式模式是/clan_name.+content="([^"]+)"/
【讨论】：