php - 大家帮忙看一个爬虫抓取需要数据的正则

Question

A. 待抓取的页面的 html：

雷雷

B. 我写的摘要则：

雷雷

$reg_list = "/<ps*topClassName='top1's*topSwitch='on's*productId='(d+)'s*productName='[x7f-xff]+'s*class='productPicListForm's*id=' [A-z0-9]+'s*faiWidth='d+'s*faiHeight='d+'s*faiWidthOr='d+'s*faiHeightOr='d+'>s*s*s*s* ;s*s*s*s*s*s*s*s*s* </td>s*<tds*style='[A-z0-9:-_#]*'s*class='propList'>s*s*

s* [x7f-xff]+s*

s*s*主要：</span>s*([x7f-xff ]+_-.)</span>s*</p>s*<ps*class='propps*productProp4s*'>s* 地址：</span>s*([x7f-xff -_.]+)</span>s*</p>s*</td>s*</td>s *</tr>s*</table>s*</p>/";

编辑器中显示（截图）：

之所以写这么复杂是因为我要获取一些部分内容：

关键点来了，这么复杂，根本无法调试正则让他正确的提取到我想要的内容，请问各位大牛是如何写这么复杂的正则，然后调试，直到能够提取到自己想要的数据的？？

Answer 1

又要祭出symfony/dom-crawler大法了。DOM大法好，退正则保平安

composer.json

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

a.php

<?php
/**
 * Created by PhpStorm.
 * User: shellus
 * Date: 2017/4/11
 * Time: 11:55
 */

use Symfony\Component\DomCrawler\Crawler;

require 'vendor/autoload.php';

$str2 = <<<EOT
<p topClassName='top1' topSwitch='on'  productId='2256' productName='⑧北京汉奥汽配有限公司' class='productPicListForm' id='module406product2256' faiWidth='160' faiHeight='101' faiWidthOr='600' faiHeightOr='382'>
    <table id='formTable2256_module406' class='formTable' cellpadding='0' cellspacing='0'>

        <tr>
            <td class='imgp'>
                <table cellpadding='0' cellspacing='0'>
                    <tr>
                        <td>
                            <a hidefocus='true' href='h-pd-2256-2_406.html' target='_blank'>
                                <img alt='⑧北京汉奥汽配有限公司' title='' src='http://5003100.s21i-5.faiusr.com/2/ABUIABACGAAggsfqwAUotY6_qgUw2AQ4-gI!160x160.jpg'  />
                            </a>
                        </td>
                    </tr>
                </table>
            </td>

            <td style='' class='propList'>
                <p style='' class='propp productName    '>
                    <a class='fk-productName' hidefocus='true' href='h-pd-2256-2_406.html' target='_blank' title='⑧北京汉奥汽配有限公司'>⑧北京汉奥汽配有限公司</a>
                </p>

                <p class='propp productProp6    '>
                    <span class='propName fk-prop-name'>主营：</span>
                    <span class='propValue fk-prop-other'  style='text-decoration:none;font-family:微软雅黑;font-weight:normal;'>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）</span>
                </p>

                <p class='propp productProp4    '>
                    <span class='propName fk-prop-name'>地址：</span>
                    <span class='propValue fk-prop-other'  style='text-decoration:none;font-family:微软雅黑;font-weight:normal;'>城环城B-01号</span>
                </p>
            </td>
        </tr>

    </table>
</p>
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($imgSrc);
echo '<br>';
var_dump($productName);
echo '<br>';
var_dump($productProp6);
echo '<br>';
var_dump($productProp4);
echo '<br>';

输出

Answer 2

DOM自然是更好选择，然正则也不见得做不到。

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