[問題] preg_match_all抓取所有<div>....</div>

[grassboy2 (活力花俏草兒仔政﹞O花俏)]

如題…

話說我目前有遇到一個html檔…

內容很簡單：

        <div>我是測試行</div>
        <div>我是美女圖<img src="http//beauty.jpg" /></div>
        <div>我是<a href="http//yaya.com">無聊的測試</a></div>

想要問一下…有沒有辦法用一次的preg_match_all()

就抓到

        [1] => "我是測試行"
        [2] => "我是美女圖<img src="http:/beauty.jpg" />"
        [3] => "我是<a href="http:/yaya.com">無聊的測試</a>"

也就是…抓取<div>開頭；最接近的</div>結尾的資料…
(暫不考慮巢狀div的問題，即

     <div>
        <div>我是小巢</div>
     </div>

 只會抓到"<div>我是小巢")

我原本用的pattern 是 "/<div>(.*)<\/div>/"

但他會greedy的抓到最長的match...

還是說還有其他方法呢？

先謝謝大家的回答了~~

--
※ 發信站: 批踢踢實業坊(ptt.cc) 
◆ From: 140.113.87.174
推 lg31cm:(.*?)
→ lg31cm:不過事實上.*?算是很慢的方法
→ lg31cm:不過最好解釋就是了
→ bcse:可以示範一下快的方法嗎？
→ grassboy2:囧a 那這是唯一的方法嗎？ 不過還是謝謝一樓的推文~
推 thitbbeb:不知道你是什麼問題= =，我測你的語法都正確的抓到你要的
> -------------------------------------------------------------------------- <

作者: grassboy2 (活力花俏草兒仔政﹞O花俏) 看板: RegExp
標題: Re: [問題] preg_match_all抓取所有<div>....</div>
時間: Sat Jul 11 23:32:48 2009

: 內容很簡單：
         <div>我是測試行</div>
         <div>我是美女圖<img src="http//beauty.jpg" /></div>
         <div>我是<a href="http//yaya.com">無聊的測試</a></div>
: 想要問一下…有沒有辦法用一次的preg_match_all()
: 就抓到
:         [1] => "我是測試行"
:         [2] => "我是美女圖<img src="http:/beauty.jpg" />"
:         [3] => "我是<a href="http:/yaya.com">無聊的測試</a>"
耶逗…補充說明~

我原本用的pattern 是 "/<div>(.*)<\/div>/"

餵上面的內容他會抓到的是

        [1] => "我是測試行</div>
                <div>我是美女圖<img src="http//beauty.jpg" /></div>
                <div>我是<a href="http//yaya.com">無聊的測試</a>"

也就是說，他抓到的是最長匹配字串…

但這不是我要的><~

目前我是另外用php split()的方式把</div>截掉，再針對每個<div>去處理

但…應該有更漂亮的方法吧@@~

例如我pattern中的(.*)可以指定說中間的字串不包含</div>的寫法之類的…

還是說在"/<div>(.*)<\/div>/"的結尾可以加什麼tag之類的？


感謝大家的幫助><~

--
※ 發信站: 批踢踢實業坊(ptt.cc) 
◆ From: 140.113.87.174
推 bibo9901:原來那篇的推文就有解法了
→ thitbbeb:= =，我照你原本的語法…沒問題啊…不會抓到<div>啊
→ thitbbeb:preg_match_all("/<div>(.*?)<\/div>/",文字,存放變數)
→ thitbbeb:變數[1][0] 變數[1][1]變數[1][2] 語法沒問題啊= =
→ kornelius:(.*) greedy match , (.*?) non-greedy match
> -------------------------------------------------------------------------- <

作者: X700 (X700) 看板: RegExp
標題: Re: [問題] preg_match_all抓取所有<div>....</div>
時間: Sun Jul 12 00:10:34 2009

※ 引述《grassboy2 (活力花俏草兒仔政﹞O花俏)》之銘言：




我也有問題和這位仁兄相似，但是我想做的就是巢狀時要如何正確抓資料呢？

如下的例子：

<div class="test">
 <div>我是大巢
  <div>我是小巢</div>
 </div>
</div>

希望可以抓到div class="test"內的資料：
 <div>我是大巢
  <div>我是小巢</div>
 </div>


--
※ 發信站: 批踢踢實業坊(ptt.cc) 
◆ From: 118.161.172.242
推 thitbbeb:<div\s*class=\"test\">([\W\w]+)<\/div>
→ bcse:我有個小問題，[\W\w]+跟.+有什麼不同？
推 thitbbeb:[\W\w]+是指全部內容，.+是指不包含換行以外的任何字
推 lg31cm:如果要比對巢狀tag，MRE PHP那章有個實際範例
→ lg31cm:php's preg 可以用遞迴的方式比對
→ X700:請問一下，MRE PHP是指？
> -------------------------------------------------------------------------- <

作者: kornelius (c9s) 看板: RegExp
標題: Re: [問題] preg_match_all抓取所有<div>....</div>
時間: Sat Jul 25 21:25:45 2009


請用 Perl 的 Web::Scraper 模組 :p

http://search.cpan.org/dist/Web-Scraper/lib/Web/Scraper.pm

就可以做到 tree structure 的 parsing
只需要給定 css selector 即可

當然也有 xpath 做 selector 的後端。



※ 引述《X700 (X700)》之銘言：
: ※ 引述《grassboy2 (活力花俏草兒仔政﹞O花俏)》之銘言：
: 我也有問題和這位仁兄相似，但是我想做的就是巢狀時要如何正確抓資料呢？
: 如下的例子：
: <div class="test">
:  <div>我是大巢
:   <div>我是小巢</div>
:  </div>
: </div>
: 希望可以抓到div class="test"內的資料：
:  <div>我是大巢
:   <div>我是小巢</div>
:  </div>

--

--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 113.61.194.203
※ 編輯: kornelius       來自: 113.61.194.203       (07/25 21:26)
推 othree:Perl真是什麼都有XD
推 lg31cm:不過事實上perl的regex用法最為變態XDDDD
推 arrack:perl包山包海