Question

PHP preg_match_all函数中的正则表达式问题

我想爬取新浪体育网页的信息，网页中内容格式为
<li>
<a title="" target="_blank" href="http://sports.sina.com.cn/cba/2014-11-10/17327404918.shtml">马布里:连续客场非输球借口</a>
</li>
使用preg_match_all函数，正则表达式为：
'#<a title="" target="_blank" href="(.*?)">(.*?)</a>#si';
为什么得不到结果

Answer 1

分析：字符串是一个基本的HTML元素，每一个DIV元素对应该一个ID和内容，并且是独立的，首先考虑如何 取出一个DIV内的ID值和内容，如：jb51.net，然后匹配其它类似的元素。一个DIV中须要取出两个值，也就是两个匹配的表达式，第一个表达式用于匹配ID值（biuuu），第二个表达式用于匹配ID的内容（jb51.net），正则表达式常用的表达式运用小括号，那么前面的元素将会变成如下形式：
<div id="(biuuu)">(jb51.net)</div>
<div id="(表达式1)">(表达式2)</div>

运用如上小括号把须要匹配的区域执行 了划分，接下来就是如何 匹配各个表达式内的内容，猜想一个ID可能是字母，数字或下划线，那这就变得基本，运用中括号就可以实现，如下：
表达式1：[a-zA-Z0-9_]+ （表示匹配大小写字母，数字和下划线）
那如何 匹配表达式2，因为ID的内容可以是任意的字符，但是要留心，不能匹配<或>字符，因为如果匹配这两个字符将会把后面运用的DIV都匹配出来，因此须要排除这两个字符开始的元素，也就是不匹配以<或>字符，如下：
表达式2：[^<>]+ （表示不匹配<和>字符）
这样，须要匹配的子表达式就实现了，但是还要须要匹配一个 的表达式，要领如下：
表达式：/ '\"(表达式1)\"'>(表达式2)<\/div>/
留心其中的双引号"和/须要运用 \转义字符转义，然后把前面两个表达式放进去。

Answer 2

php自学网2< /div< div id="biuuu_3"php自学网3< /div'; 　　PHP函数preg_match_all实例要求：分别将每一个DIV元素的ID和内容取出，如biuuu，biuuu_2，biuuu_3，php自学网，php自学网2和php自学网3(一些常用的抓站方法就是这样匹配的) 　　分析：字符串是一个简单的HTML元素，每一个DIV元素对应该一个ID和内容，并且是独立的，首先考虑如何取出一个DIV内的ID值和内容， 如：php自学网，然后匹配其它类似的元素。一个DIV中需要取出两个值，也就是两个匹配的表达式，第一个表达式用于匹配ID值(biuuu)，第二个表 达式用于匹配ID的内容(php自学网)，正则表达式常用的表达式使用小括号，那么前面的元素将会变成如下形式： 　　< div id="(biuuu)"(php自学网)< /div　< div id="(表达式1)"(表达式2)< /div 　　表达式1：[a-zA-Z0-9_]+ (表示匹配大小写字母，数字和下划线) 　　表达式2：[^<]+ (表示不匹配<和字符) 　　这样，PHP函数preg_match_all需要匹配的子表达式就实现了，但是还要需要匹配一个的表达式，方法如下： 　　表达式：/ '"(表达式1)"'(表达式2)/ 　　注意其中的双引号"和/需要使用转义字符转义，然后把前面两个表达式放进去，如下：
希望能解决您的问题。

追问

我太看明白，不能用我写的.*?的方式来匹配吗？必须写成[]的形式吗？

Answer 3

$parten = '/<li>.*href="(.*)">(.*)<\/a><\/li>/isU';

追问

谢谢你，你的表达式可以提取出信息，但是因为把title="" target="_blank"的匹配要求给省略了，得到的结果不是我想要的，我自己修改正则表达式，添加成$pattern = '/.*title="".*href="(.*)">(.*)/isU';就不能得到结果，这是为什么，应该怎么改呢？

追答

是要 必须有title和target 属性的 ？
$parten = '/.*title=""\s+target="_blank"\s+href="(.*)">(.*).*/isU';