正则表达式、php、preg_匹配

我试图从不同的易趣页面中提取里程值，但我被卡住了，因为页面有点不同，所以似乎有太多的模式。因此，我想知道你是否可以帮助我一个更好的模式。 项目的一些示例如下：
请查看下面链接中的模式（我仍然不知道如何在这里转义html）

http://pastebin.com/zk4HAY3T http://pastebin.com/zk4HAY3T

---

但是，它们的数量还不够，因为似乎还有新的模式……

这应该更通用一些-它不关心html标记中的内容。它适用于您提供的所有三个链接

/Mileage[^<]*<[^>]*><[^>]*>(.*?)\s*miles/i

/里程[^]*>（.*）\s*英里/i

当然，根据您的其他约束条件，可能有更好的方法，但这是一个很好的起点

认识到存在重复，您可以（至少在逻辑上）进一步简化：

/Mileage[^<]*(?:<[^>]*>){2}(.*?)\s*miles/i

/milies[^）{2}（.*）\s*英里/i

您正在单词“Milege”和“miles”之间的一行中查找两个html标记。这是

（？：]*>）{2}

部分。

？：

告诉它不要记住那个序列，这样

$matches[1]

仍然包含您要查找的数字，

{2}

指示您要精确匹配前一个序列两次。

。即使对于这样一件相对简单的事情，正则表达式也会使您高度依赖于精确的标记

您可以使用DOMDocument和XPath很好地获取值，并且它对页面中的更改具有更强的弹性：

  $doc = new DOMDocument();

  @$doc->loadHtmlFile($url);

  $xpath = new DOMXpath($doc);
  foreach ($xpath->query('//th[contains(., "Mileage")]/following-sibling::td') as $td) {
    var_dump($td->textContent);
  }

XPath查询搜索包含单词“miliner”的

，然后选择它后面的

---

然后，您可以去掉

miles

后缀，并使用

str\u replace

或

substr

删除逗号。我会在regexp上读更多内容，因为您的操作方式肯定会有所改进。它们都可以用一个正则表达式代替一个正则表达式来完成，您不应该试图匹配每个属性和tr，只需跳到它包含英里数的部分即可