Regex: Vytáhnutí parametrů

20. 5. 2020 21:53:38

Zdravím,

Dostávám fragment HTML kódu, ze kterého mám vycucat dva až tři atributy ze jedné značky.

Hodnoty atributů mohou být ve dvojitých nebo jednoduchých uvozovkách (začínat a končit musí stejnou).

Atributy mohou být napsány velkými nebo malými písmeny a v libovolném pořadí. A mezi nimi mohou být na libovolném místě jiné atributy.

Příklad (chci dostat dvojici nebo trojici atributů name:property:content z každé ):

Nemohu použít knihovny typu SimpleXML, DOMDocument, protože html nedostávám celé (a validní).

Atributy vycucnout umím, ale jen pro jedno pořadí atributů a jedno použití "/'.

Znáte elegantnější přístup?

Díky.

20. 5. 2020 21:53:38

https://webtrh.cz/diskuse/regex-vytahnuti-parametru/#reply1452573

(20 hodnocení)

21. 5. 2020 01:09:30

function getMetaFromHTML($html){

$finalMetas = [];

preg_match_all('~~i', $html, $metas, PREG_SET_ORDER);

foreach($metas as $meta){

preg_match_all('~(+)=(?:"(*?)"|'(*?)')~i', $meta, $attributes, PREG_SET_ORDER);

$currentMeta = [];

foreach($attributes as $attribute){

$currentMeta] = $attribute?:$attribute;

}

$finalMetas[] = $currentMeta;

}

return $finalMetas;

}

var_dump(getMetaFromHTML('

Washington Post

'));

array(6) {

array(2) {

string(8) "referrer"

string(10) "unsafe-url"

}

array(2) {

string(27) "WebTrh, byznys, podnikání"

string(8) "keywords"

}

array(3) {

string(1) "1"

string(13) "news_keywords"

string(7) "web,trh"

}

array(3) {

string(15) "@WashingtonPost"

string(1) "1"

string(12) "twitter:site"

}

array(3) {

string(12) "twitter:card"

string(19) "summary_large_image"

string(1) "1"

}

array(4) {

string(1) "1"

string(5) "type1"

string(1) "2"

string(7) "og:type"

}

}*/

21. 5. 2020 01:09:30

https://webtrh.cz/diskuse/regex-vytahnuti-parametru/#reply1452572

crs

(1 hodnocení)

22. 5. 2020 19:04:30

Napsal Aleš Jiříček;1584625

Díky. Zkusil jsem a vrací mi to

. Hned první preg_match_all() vyloví prázdné pole.

Nemá místo "**" ke konci 1. regexu být "*/*"? A nebo to vynechat úplně, protože "s" to pojme stejně?

A ještě bych jako modifikátor přidal "s (PCRE_DOTALL)" a možná i "u (PCRE_UTF8)".

22. 5. 2020 19:04:30

https://webtrh.cz/diskuse/regex-vytahnuti-parametru/#reply1452571

TomasX

(4 hodnocení)

22. 5. 2020 19:20:38

podle mě hned v tom prvním preg_match_all je chyba, zkus z jeho konce odstranit to *, podle mě tam být nemá.

Správně by to ale mělo ošetřovat i znak >, který bude uvnitř hodnoty atributu, ještě nad tím nějaká práce bude potřeba

22. 5. 2020 19:20:38

https://webtrh.cz/diskuse/regex-vytahnuti-parametru/#reply1452570

(20 hodnocení)

22. 5. 2020 19:56:12

v tom prvnim regexu ma byt /* ne * to je rpeklik a byt tam ma, prtooze tag muze koncit /> a to s* fakt nepojme

na > v atributu jsem zapomnel :) nicmene ted nemam cas and tim vic dumat - zas takovy mag v regexech nejsem abych to vysvihl z hlavy, bude to doecla challenge, nebo me nejaky regex mag vyvede z omylu a bdue to jednoduche, kdo vi..

22. 5. 2020 19:56:12

https://webtrh.cz/diskuse/regex-vytahnuti-parametru/#reply1452569

Luděk Kvapil

14. 6. 2020 14:43:04

Já na tohle používám https://simplehtmldom.sourceforge.io/manual.htm, nebo https://symfony.com/doc/current/components/dom_crawler.html

14. 6. 2020 14:43:04

https://webtrh.cz/diskuse/regex-vytahnuti-parametru/#reply1452568

Pro odpověď se přihlašte.

Přihlásit

Prodej Více

chystamesvatbu.cz

1 990 Kč

0 příhozů

Prodám zaběhnutý inzerční web

12 000 Kč

0 příhozů

Pacamls.cz – ultraprémiová přírodní krmiva pro psy a kočky

50 000 Kč

0 příhozů

Předám nevyužitou firmu bez aktivity

1 Kč

0 příhozů

Prodám doménu Starflix.sk – DR 56, žádné spamové skóre!

1 299 Kč

0 příhozů

Poptávky Více

Hledáme PPCčkaře – Brno, vlastní projekty, žádná agentura

Hledám webaře pro jednoduchý web na zateplení / WordPress

Hledáme frontenďáka – Tailwind CSS + Svelte

Poptávám zkušeného realitního makléře – předprodej zahradních pozemků

Sháním funkční zákaznické účty do e-shopu / velkoobchodu potravin

Pracovní nabídky Více

IT vedoucí / Team leader SW

Ostrava

80 000 - 150 000 Kč

Vývojář / Procesní inženýr s LabVIEW

Nabídky Více

Profesionální produktové fotky s AI | 40 Kč/ks + množstevní slevy

Nabízíme nastavení a správu PPC kampaní

Na prodej zavedeny print on demand byznys, 100.000 ,- KC mesicni obrat, 40% provize. 5 let historie

🔥 Tvorba www stránek a e-shopů | WordPress a Shoptet | RadekVanat.cz 🚀

🚀 Výkonnostní marketing, co konečně něco vydělá. 💰 Již od 4 000 Kč.