php - 大家幫忙看一個爬蟲抓取需要資料的正規則

Question

A. 待抓取的頁面的html： {代碼...} B. 我寫的抓取正規： {代碼...} $reg_list = "/&lt;div\s*topClassName\='top1'\s *topSwitch\='on'\s*productId\='(\d+)'\s*productName\='[\x7f-\xff]+'\s*class\='productP...

黄舟 · Answer

又要祭獻symfony/dom-crawler大法了。 DOM大法好，退正則保平安

composer.json

{
    "require": {
        "symfony/css-selector": "^3.2",
        "symfony/dom-crawler": "^3.2"
    }
}

a.php


    

        
            
                
                    
                        
                            
                                
                            
                        
                    
                
            

            
                
                    ⑧北京汉奥汽配有限公司
                

                
                    主营：
                    大众 新速腾 新迈腾 新桑塔纳 新捷达 CC 新帕萨特 新宝来 收事故车及残值（郭京汉）
                

                
                    地址：
                    城环城B-01号
                
            
        

    

EOT;

$dom = new Crawler();

$dom->addHtmlContent($str2, 'UTF-8');

$imgSrc = $dom->filter('td.imgp')->filter('img')->attr('src');

$productName = $dom->filter('td.propList')->filter('p.productName>a')->text();

$productProp6 = $dom->filter('td.propList')->filter('p.productProp6>.propValue')->text();

$productProp4 = $dom->filter('td.propList')->filter('p.productProp4>.propValue')->text();

var_dump($imgSrc);
echo '
';
var_dump($productName);
echo '
';
var_dump($productProp6);
echo '
';
var_dump($productProp4);
echo '
';

輸出

巴扎黑 · Answer

DOM自然是更好選擇，然正則不見得做不到。

/alt=\'(?P[^\']+)\'(?:.+?)?src=\'(?P[^\']+)\'(?:.+?)?主营：(?:.+?)?\'>(?P[^<]+)(?:.+?)?地址：(?:.+?)?\'>(?P[^<]+)/s

php - 大家幫忙看一個爬蟲抓取需要資料的正規則

全部回覆(2)我來回復