Desenvolvimento PHP
  1. Desenvolvimento PHP
  3. php regex para extrair dados da tabela HTML

php regex para extrair dados da tabela HTML

Estou tentando fazer uma regex por tirar alguns dados de uma tabela.

O código que eu tenho agora é: 

 
 quote1 have you trying it off and on again ? 
 
 quote65 You wouldn't steal a helmet of a policeman

Isso eu quero replace por:

Quote1: você tentou de novo e de novo?

Quote65: você não roubaria um capacete de um policial

O código que já escrevi é o seguinte: 

 %((?s).*?)%

Mas agora estou preso.

A regex de Tim provavelmente funciona, mas você pode querer considerar usar a funcionalidade DOM do PHP em vez da regex, pois pode ser mais confiável ao lidar com pequenas mudanças na marcação.

Veja o método loadHTML

Se você realmente quer usar regexes (pode estar OK se você realmente tiver certeza de que sua string sempre será formatada assim), e quanto a algo assim, no seu caso: 

 $str = <<  quote1 have you trying it off and on again ?   quote65 You wouldn't steal a helmet of a policeman   A; $matches = array(); preg_match_all('#\s+?(.*?)\s+?(.*?)\s+?#', $str, $matches); var_dump($matches);

Algumas palavras sobre a regex:


  • então, qualquer número de espaços
  • então

  • então o que você deseja capturar
  • então
  • e o mesmo novamente
  • e, finalmente,

E eu uso:

  • ? no regex para combinar no modo não ganancioso
  • preg_match_all para obter todas as partidas

Você então obtém os resultados desejados em $matches[1] e $matches[2] (não $matches[0] ) ; Aqui está a saída do var_dump que usei (eu removi a input 0, para torná-la mais curta) : 

 array 0 => ... 1 => array 0 => string 'quote1' (length=6) 1 => string 'quote65' (length=7) 2 => array 0 => string 'have you trying it off and on again ?' (length=37) 1 => string 'You wouldn't steal a helmet of a policeman' (length=42)

Você só precisa manipular essa matriz, com alguma concatenação de strings ou similares; por exemplo, assim: 

 $num = count($matches[1]); for ($i=0 ; $i<$num ; $i++) { echo $matches[1][$i] . ':' . $matches[2][$i] . '
'; }

E você obtém: 

 quote1:have you trying it off and on again ? quote65:You wouldn't steal a helmet of a policeman

Nota: você deve adicionar algumas verificações de segurança (como preg_match_all deve retornar verdadeiro, a contagem deve ser pelo menos 1, …)

Como uma nota lateral: usar regex para analisar HTML geralmente não é uma boa idéia ; Se você puder usar um analisador real, deve ser muito mais seguro …

Como de costume, extrair texto de HTML e outros idiomas não regulares deve ser feito com um analisador – os regraxos podem causar problemas aqui. Mas se você tem certeza da estrutura de seus dados, você poderia usar 

 %((?s).*?)\s*((?s).*?)%

para encontrar os dois textos. \ 1: \ 2 seria então a substituição.

Se o texto não pode abranger mais de uma linha, você ficaria mais seguro deixando os bits (?s) …

Não use o regex, use um analisador HTML. Tal como o PHP HTML Simple HTML Parser

Extraia cada conteúdo de 

  preg_match_all("%\
Intereting Posts