从字符串，正则表达式中提取变量？

Question

我的拼图：作为一个PHP newby我试图从正则表达式的字符串中提取一些数据，但我找不到正确的语法。

该字符串的内容被作为来自网站的几个图像的html，我希望最终输出为3个独立变量：“$ Number1”，“$ Number2”和“$ Status”。

输入字符串$ HTML的内容的一个例子：

<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> 

其可出现在该字符串中的可能值为：

• 0.jpg
• 1.JPG
• 2.jpg
• 3.jpg
• 4.j​​pg
• 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：

• “数字1”（XX.X）基于前两个数字（0 -9）和.0或.5
• 根据状态
• 基于最后两个数字（0-9）和.0或.5的“Number2”（XX.X）的“Status”（statusX）

到目前为止的代码：

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

也许我不得不这样做在多个步骤或使用其他功能，谁可以帮帮我吗？

Answer 1

你应该问自己的第一件事是：“以什么格式输入我的数据”。由于在这种情况下，它显然是HTML的一个片段，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。

我不知道确切的功能名称，但你的代码看起来应该是这样：

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

所以，你需要找到一个HTML解析器解析字符串为节点树。节点应该有根据CSS类，元素名称或节点ID查找内部节点的方法。对于Python，这个库被称为BeautifulSoup，对于Java而言，它是JSoup，我确信PHP中有类似的东西。

simplehtmldom提供的示例看起来很有前途。

Answer 2

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

见Robust and Mature HTML Parser for PHP太

Answer 3

你只想要ALT的？试试这个xpath的例子：

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

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