Php 使用正则表达式从HTML表中查找结果

我遇到了一些正则表达式问题

我有一个巨大的html文件，我需要从文件中提取一些文本（型号）

<table>......
<td colspan="2" align="center" class="thumimages"><b>SK10014</b></td></tr> 
.......

<table>/.....
<td colspan="2" align="center" class="thumimages"><b>SK1998</b></td></tr> 

.... so on

。。。。。。
SK10014
.......
/.....
SK1998
.... 等等

这是一个巨大的网页，所有网页都内置在表格中，并且没有分区

“thumimages”类几乎在所有td中重复，因此无法区分页面中需要的内容

大约有10000个型号，我需要提取它们

有没有办法用regrex做这件事。。。像

"/<td colspan="2" align="center" class="thumimages"><b>{[1-9]}</b></td></tr>/"

“/{[1-9]}/”

并返回所有匹配结果的数组。注意：我已经尝试过HTML解析，但是文档包含很多HTML验证错误

任何帮助都将不胜感激……

/（）（[a-z0-9]+）（）/i
/(<td colspan="2" align="center" class="thumimages"><b>)([a-z0-9]+)(</b></td></tr>)/i

这是有效的。

/（）（[a-z0-9]+）（）/i

这很有效。

您可以使用php类

您可以使用php类

说明
这将使所有
td
字段与
class=“thumimages”
匹配，并检索内部
b
标记的内容。内部文本需要有一些值，任何前导或尾随空格都将被删除

]*\s\bclass=（[“']）thumimages\1）[^>]*>\s*（？！Description
这将使所有
td
字段与
class=“thumimages”
匹配，并检索内部
b
标记的内容。内部文本需要有一些值，并且任何前导或尾随空格都将被删除

]*\s\bclass=（[“']）thumimages\1）[^>]*>\s*（？！带有DOMDocument的方法：

$pattern = <<<'LOD'
~
<td (?>[^>c]++|\bc(?!lass\b))+ # begining of td tag until the word "class" 
class \s*+ = \s*+              # "class=" with variable spaces around the "="
(["']?+) thumimages\b \1       # "thumimages" between quotes or not 
(?>[^>]++|(?<!b)>)+>           # all characters until the ">" from "<b>"
\s*+  \K                       # any spaces and pattern reset

[^<\s]++                    # all chars that are not a "<" or a space
~xi
LOD;

preg_match_all($pattern, $html, $matches);

echo '<pre>' . print_r($matches[0], true);

/$html代表您的html内容
$doc=新的DOMDocument（）；
@$doc->loadHTML（$html）；
$td_nodes=$doc->getElementsByTagName（'td'）；
foreach（$td\u节点作为$td\u节点）{
if（$td_node->getAttribute（'class'）=='thumimages'）
echo$td_node->firstChild->textContent.“
”；
}

使用正则表达式的方法：

$pattern=“from”
\s*+\K#任何空格和图案重置
[^使用DOMDocument的方法：

$pattern = <<<'LOD'
~
<td (?>[^>c]++|\bc(?!lass\b))+ # begining of td tag until the word "class" 
class \s*+ = \s*+              # "class=" with variable spaces around the "="
(["']?+) thumimages\b \1       # "thumimages" between quotes or not 
(?>[^>]++|(?<!b)>)+>           # all characters until the ">" from "<b>"
\s*+  \K                       # any spaces and pattern reset

[^<\s]++                    # all chars that are not a "<" or a space
~xi
LOD;

preg_match_all($pattern, $html, $matches);

echo '<pre>' . print_r($matches[0], true);

/$html代表您的html内容
$doc=新的DOMDocument（）；
@$doc->loadHTML（$html）；
$td_nodes=$doc->getElementsByTagName（'td'）；
foreach（$td\u节点作为$td\u节点）{
if（$td_node->getAttribute（'class'）=='thumimages'）
echo$td_node->firstChild->textContent.“
”；
}

使用正则表达式的方法：

$pattern=“from”
\s*+\K#任何空格和图案重置
[^不要使用正则表达式来解析HTML。你无法用正则表达式可靠地解析HTML，你将面临悲伤和挫折。一旦HTML与你的预期不同，你的代码将被破坏。有关如何使用已经编写、测试和删除的PHP模块正确解析HTML的示例，请参阅ugged。不要使用正则表达式来解析HTML。你无法用正则表达式可靠地解析HTML，你将面临悲伤和挫折。一旦HTML偏离你的预期，你的代码将被破坏。有关如何使用已编写、测试和测试的PHP模块正确解析HTML的示例，请参阅已调试。我得到了一个空数组..数组（[0]=>Array（）[1]=>Array（）[2]=>Array（）[3]=>Array（））..我使用了preg_match_all（'|（）（[a-z0-9]+）（）| I'，$content，$matchesarray）；我想你需要用\某些html字符转义，比如/“，也许=我得到了一个空数组..数组（[0]=>Array（）[1]=>Array（）[2]=>Array（）[3]=>Array（））…我使用了preg_match_all（'|（）（[a-z0-9]+）（）| I'，$content，$matchesarray）；我认为需要使用\某些html字符转义，如/“and Obay=尝试过，但文档包含了到多个html验证错误。尝试过，但文档包含了到多个html验证错误。我同意html解析可能是最好的解决方案，但是请求者在这里的另一个答案上留下了评论，说html源代码格式不好，正在删除验证错误。我同意HTML解析可能是最好的解决方案，但是请求者确实在这里的另一个答案上留下了评论，说HTML源代码格式不好，正在删除验证错误。
<?php
$sourcestring="your source string";
preg_match_all('/<td\b(?=\s)(?=[^>]*\s\bclass=(["'])thumimages\1)[^>]*><b>\s*(?!<)([^<\s]+)\s*<\/b><\/td>/imsx',$sourcestring,$matches);
echo "<pre>".print_r($matches,true);
?>
 

$matches Array:
(
    [0] => Array
        (
            [0] => <td colspan="2" align="center" class="thumimages"><b>SK10014</b></td>
            [1] => <td colspan="2" align="center" class="thumimages"><b>   SK1998    </b></td>
        )

    [1] => Array
        (
            [0] => "
            [1] => "
        )

    [2] => Array
        (
            [0] => SK10014
            [1] => SK1998
        )

)

// $html stands for your html content
$doc = new DOMDocument();
@$doc->loadHTML($html);
$td_nodes = $doc->getElementsByTagName('td');

foreach($td_nodes as $td_node){
    if ($td_node->getAttribute('class')=='thumimages')
        echo $td_node->firstChild->textContent.'<br/>';
 }

$pattern = <<<'LOD'
~
<td (?>[^>c]++|\bc(?!lass\b))+ # begining of td tag until the word "class" 
class \s*+ = \s*+              # "class=" with variable spaces around the "="
(["']?+) thumimages\b \1       # "thumimages" between quotes or not 
(?>[^>]++|(?<!b)>)+>           # all characters until the ">" from "<b>"
\s*+  \K                       # any spaces and pattern reset

[^<\s]++                    # all chars that are not a "<" or a space
~xi
LOD;

preg_match_all($pattern, $html, $matches);

echo '<pre>' . print_r($matches[0], true);