从字符串、正则表达式中提取变量？

Question

我的困惑：作为 PHP 新手，我尝试使用正则表达式从字符串中提取一些数据，但我找不到正确的语法。

字符串的内容被抓取为网站上多个图像的 html，我希望最终输出是 3 个独立的变量：“$Number1”、“$Number2”和“$Status”。

输入字符串 $html 的内容示例：

<div id="system">         
<img alt="2" height="35" src="/images/numbers/2.jpg" width="18" /><img alt="2" height="35" src="/images/numbers/2.jpg" width="18" /><img alt=".5" height="35" src="/images/numbers/point5.jpg" style="margin-left: -4px" width="26" /><img alt="system statusA" height="35" src="/images/numbers/statusA.jpg" width="37" /><img alt="2" height="35" src="/images/numbers/2.jpg" width="18" /><img alt="1" height="35" src="/images/numbers/1.jpg" width="18" /><img alt=".0" height="35" src="/images/numbers/point0.jpg" style="margin-left: -4px" width="26" />
</div>

该字符串中可能出现的值为：

• 0.jpg
• 1.jpg
• 2.jpg
• 3.jpg
• 4.jpg
• 5.jpg
• 6.jpg
• 7.jpg
• 8.jpg
• 9.jpg
• point0.jpg
• point5.jpg
• statusA.jpg
• statusB.jpg
• statusC.jpg
• statusD.jpg
• statusE.jpg
• statusF.jpg

结果应该是变量：

• “Number1”（XX.X）基于前两个数字(0-9) 和 .0 或 .5
• “状态”(statusX) 基于状态
• “Number2”(XX.X) 基于最后两个数字 (0-9) 和 .0 或 .5

到目前为止代码：

$regex = '\balt='(.*?)';
preg_match($regex,$html,$match);
var_dump($match);
echo $match[0];

可能我必须分多个步骤执行此操作或使用其他功能，谁可以帮助我？

Answer 1

您应该问自己的第一件事是：“我的输入数据是什么格式”。由于在本例中它显然是 HTML 片段，因此您应该将该片段提供给 HTML 解析器，而不是正则表达式引擎。

我不知道确切的函数名称，但您的代码应该如下所示：

$htmltext = '<div id="system">[...]</div>';
$htmltree = htmlparser_parse($htmltext);
$images = $htmltree->find_all('img');
foreach ($images as $image) {
  echo $image->src;
}

因此您需要找到一个 HTML 解析器，将字符串解析为节点树。节点应该具有根据 CSS 类、元素名称或节点 ID 查找内部节点的方法。对于 Python，这个库称为 BeautifulSoup，对于 Java，它是 JSoup，而且我确信 PHP 也有类似的东西。

simplehtmldom 提供的示例看起来很有希望。

Answer 2

可能是 DOM ： http://www.php.net/manual/en/book .dom.php

请参阅强大且成熟的 HTML 解析器PHP 也是如此

Answer 3

你只想要替代品吗？试试这个 xpath 示例：

$doc = new DOMDocument();
$doc->loadHTML($html);
$xpath = new DomXpath($doc);

foreach($xpath->query('//img/@alt') as $node){
    echo $node->nodeValue."\n";
}