php – 使用RegEx提取表单字段

您可以查看DOMDocument::loadHTML,这将允许您使用DOM方法处理HTML文档(例如,如果您知道这些,则使用XPath查询).

您可能还想看一下Zend_Dom和Zend_Dom_Query,顺便说一句,如果您可以在应用程序中使用Zend Framework的某些部分,这是非常好的.
例如,在使用Zend_Test进行功能测试时,它们用于从HTML页面获取数据 – 并且工作得很好;-)

首先看起来似乎更难……但是,考虑到一些HTML页面的混乱,它可能是一个更明智的想法……

在评论和编辑OP之后编辑

这里有几个想法,从“简单”开始,一个输入标签：

>它可以跨越几条线传播
>它可以有很多属性
>只考虑名称和价值是您感兴趣的,您必须处理这两个可能处于任何可能的顺序的事实
>属性可以包含双引号,单引号,甚至不包含其值
> tags / attributes可以是小写的也可以是大写的
>标签并不总是必须关闭

好吧,其中一些点无效 – HTML;但仍然在大多数公共网络浏览器中工作,所以必须考虑到它们……

只有这些点,我不想成为写正则表达式的人^^
但我想可能还有其他一些我没想过的困难.

另一方面,你有DOM和xpath …要获得输入名称=“q”的值(例如this page),这是一个类似这样的问题：

$url = 'http://www.google.fr/search?q=test&ie=utf-8&oe=utf-8&aq=t&rls=com.ubuntu:en-US:unofficial&client=firefox-a';
$html = file_get_contents($url);
$dom = new DOMDocument();
if (@$dom->loadHTML($html)) {
    // yep,not necessarily valid-html...
    $xpath = new DOMXpath($dom);

    $nodeList = $xpath->query('//input[@name="q"]');
    if ($nodeList->length > 0) {
        for ($i=0 ; $i<$nodeList->length ; $i++) {
            $node = $nodeList->item($i);
            var_dump($node->getAttribute('value'));
        }
    }

} else {
    // too bad...
}

重要的是什么？ XPath查询,只有…并且它有什么静态/常量吗？
好吧,我说我想要所有< input>具有等于​​“q”的name属性.
它只是工作：我得到这个结果：

string 'test' (length=4)
string 'test' (length=4)

(我查了一下：页面上有两个输入名称=“q”^^)

我知道页面的结构吗？绝对没有;-)
我只知道我/你/我们想要名为q的输入标签;-)

这就是我们得到的;-)

编辑2：选择和选项有点乐趣：

好吧,只是为了好玩,这是我为选择和选项提出的：

$url = 'http://www.google.fr/language_tools?hl=fr';
$html = file_get_contents($url);
$dom = new DOMDocument();
if (@$dom->loadHTML($html)) {
    // yep,not necessarily valid-html...
    $xpath = new DOMXpath($dom);

    $nodeListSelects = $xpath->query('//select');
    if ($nodeListSelects->length > 0) {
        for ($i=0 ; $i<$nodeListSelects->length ; $i++) {
            $nodeselect = $nodeListSelects->item($i);
            $name = $nodeselect->getAttribute('name');
            $nodeListOptions = $xpath->query('option[@selected="selected"]',$nodeselect);  // We want options that are inside the current select
            if ($nodeListOptions->length > 0) {
                for ($j=0 ; $j<$nodeListOptions->length ; $j++) {
                    $nodeOption = $nodeListOptions->item($j);
                    $value = $nodeOption->getAttribute('value');
                    var_dump("name='$name' => value='$value'");
                }
            }
        }
    }
} else {
    // too bad...
}

我得到一个输出：

string 'name='sl' => value='fr'' (length=23)
string 'name='tl' => value='en'' (length=23)
string 'name='sl' => value='en'' (length=23)
string 'name='tl' => value='fr'' (length=23)
string 'name='sl' => value='en'' (length=23)
string 'name='tl' => value='fr'' (length=23)

这是我的预期.

一些解释？

好吧,首先,我获取页面的所有选择标记,并将其名称保存在内存中.
然后,对于每一个,我得到选定的选项标签作为其后代(总是只有一个,顺便说一句).
在这里,我有价值.

比前面的例子复杂一点……但是仍然比正则表达式容易得多,我相信……花了我10分钟,而不是更多……我仍然没有勇气(疯狂？)开始想想某种能够做到这一点的突变正则表达式:-D

哦,作为旁注：我仍然不知道HTML文档的结构是什么样的：我甚至没有看过它的源代码^^

我希望这会有所帮助……
谁知道,也许我会说服你正则表达式在解析HTML时不是一个好主意……也许吧？