Php 获取正则表达式的一部分

我正在尝试解析一个HTML页面并获取一个特定的数据（使用PHP）。 这是我的正则表达式：

$pattern = '/class=\"group\">.*[\n\r]*.*[\n\r]*.*[\n\r]*.*/';
preg_match_all($pattern, $subject, $matches);

这就是我发现的（以黄色突出显示）：

22
5
一些文本


5

但实际上我所需要的是用红色圈起来的数据（22104004）。我可以用正则表达式吗

更多信息

---

我可以假设这个特殊的结构不会改变。HTML主要是一个包含几行的表，其中一些包含我想要获取的数据（组号和MK号）。

如果HTML是常量，则始终使用此模式，您可以使用易于中断的正则表达式：

$pattern = '/(?:class="group"[^>]*>|class="mk"[^>]*>)\s*(\d+)/'
preg_match_all($pattern, $subject, $matches);

这将捕获捕获组中想要的类标记之后的所有数字（即

$matches[1]

）。显然，这只是一个快速而肮脏的解决方案，因为只要在HTML中做一些修改就会破坏它：但是既然你说这是一个非常有限的用途。。。（如果它易受更改，您应该真正考虑HTML解析器解决方案）

一些解释

• （\d+）

  ：

  \d

  是

  [0-9]

  的快捷方式，括号是捕获组。捕获组允许您将它匹配的内容存储在变量中，以便可以在同一个正则表达式中重用它，或者以后可以提取它。这里，第一个捕获组结果将存储在

  $matches[1]

  中

• （？：…）

  ：此结构是非捕获组。它允许您使用括号对模式进行分组，而无需捕获它们。它只允许你储存你想要的东西

• |

  ：管道的意思是

• [^…]

  表示除方括号内的内容以外的任何内容（方括号内的

  ^

  是一个特殊字符）

• \s

  是任何类型空白（换行符、制表符、空白…）的快捷方式

---

如果您的HTML是常量，则始终使用此模式，您可以使用易于中断的正则表达式：

$pattern = '/(?:class="group"[^>]*>|class="mk"[^>]*>)\s*(\d+)/'
preg_match_all($pattern, $subject, $matches);

这将捕获捕获组中想要的类标记之后的所有数字（即

$matches[1]

）。显然，这只是一个快速而肮脏的解决方案，因为只要在HTML中做一些修改就会破坏它：但是既然你说这是一个非常有限的用途。。。（如果它易受更改，您应该真正考虑HTML解析器解决方案）

一些解释

• （\d+）

  ：

  \d

  是

  [0-9]

  的快捷方式，括号是捕获组。捕获组允许您将它匹配的内容存储在变量中，以便可以在同一个正则表达式中重用它，或者以后可以提取它。这里，第一个捕获组结果将存储在

  $matches[1]

  中

• （？：…）

  ：此结构是非捕获组。它允许您使用括号对模式进行分组，而无需捕获它们。它只允许你储存你想要的东西

• |

  ：管道的意思是

• [^…]

  表示除方括号内的内容以外的任何内容（方括号内的

  ^

  是一个特殊字符）

• \s

  是任何类型空白（换行符、制表符、空白…）的快捷方式

根据您更新的信息（…我想要获取的数据（组号和MK号）），您只需使用XPath即可：

$dom=new DOMDocument("1.0","UTF-8");
$dom->loadHTML($html);
$xpath=new DOMXPath($dom);
foreach($xpath->query('//td[@class="group" or @class="mk"]') as $node)
{
    echo $node->attributes->getNamedItem("class")->nodeValue; /* class name */
    echo ": ";
    echo $node->textContent; /* data */
    echo "\n";
}

无换行/行号陷阱。

根据您更新的信息（…我想要获取的数据（组号和MK号）），您只需使用XPath即可：

$dom=new DOMDocument("1.0","UTF-8");
$dom->loadHTML($html);
$xpath=new DOMXPath($dom);
foreach($xpath->query('//td[@class="group" or @class="mk"]') as $node)
{
    echo $node->attributes->getNamedItem("class")->nodeValue; /* class name */
    echo ": ";
    echo $node->textContent; /* data */
    echo "\n";
}

---

---

无换行符/行号陷阱。

显示表格的hmtl@ItayGal请发布HTML并明确定义匹配背后的逻辑。你需要让我们更容易帮助你。使用图像只是让测试变得困难。@ItayGal，你能发布HTML而不是图像来进行测试吗？显示更多上下文HTML。显示表格的hmtl@ItayGal请发布HTML并明确定义匹配背后的逻辑。你需要让我们更容易帮助你。您使用图像只是让测试变得困难。@ItayGal，您可以发布HTML而不是图像来进行测试吗？显示更多上下文HTML。HTML包含换行符，并且没有

[\n\r]

我的正则表达式不起作用。因为您还没有发布正则表达式（发布您的正则表达式！）我只能假设您没有使用自动解析新行的

preg\u match\u all

（

\n\r

）-您应该这样做。@ItayGal:好吧，仅供参考，您可以使用

s

标志来允许通配符

也匹配换行符：

/这里是我的正则表达式/s

。@scrowler:我相信他已经发布了，问题的前三行：）@Robin，据我所知，你的正则表达式只针对类部分和后面的数字。更好的是，它仍然返回

class=“..

文本，而不仅仅是数字。我知道我可以很容易地提取数字，但我认为可能有一种方法可以在一个正则表达式中获取数字。@ItayGal:Yep，正则表达式同时针对这两个对象。但是

（\d+）中的括号

是一个捕获组，这意味着它们匹配的值将存储在另一个变量中：这里您应该查看

$matches[1]

中的内容，其中包含第一个捕获组匹配的内容。HTML包含换行符，没有

[\n\r]

我的正则表达式不起作用。因为您还没有发布您的正则表达式（发布正则表达式！）我只能假设您没有使用自动解析新行的

preg\u match\u all

（

\n\r

）-你应该这么做。@ItayGal:好吧，仅供参考，你可以使用

s

标志来允许通配符

也匹配换行符：

/这里是我的正则表达式/s

@scrowler:我相信他已经发布了，问题的前三行：）@Robin，据我所知，您的正则表达式只针对类部分及其后面的数字。这样更好，但它仍然返回

class=“…

文本，而不仅仅是数字。我知道我可以很容易地提取数字，但我想可能有一种方法可以将数字输入