代码之家 › 专栏 › 技术社区 › Maurice69

PHP str_是否用通配符替换擦掉的内容?

simple-html-dom preg-replace php

1

Maurice69 · 技术社区 · 7 年前

我正在寻找一个解决方案,从一个刮掉的HTML页面上剥离一些HTML。这个页面有一些重复的数据我想删除,所以我试着用preg_replace()删除变量数据。

Producent:<td class="datatable__body__item" data-title="Producent">Example
Groep:<td class="datatable__body__item" data-title="Produkt groep">Example1
Type:<td class="datatable__body__item" data-title="Produkt type">Example2
.... 
...

以后一定是这样的:

Producent:Example
Groep:Example1
Type:Example2

所以除了数据标题中的单词外,一个大片段是一样的。我怎样才能删除这段数据?

我试了一些像这样的方法:

$pattern = '/<td class=\"datatable__body__item\"(.*?)>/';
$tech_specs = str_replace($pattern,"", $tech_specs);

3 回复 | 直到 7 年前

1

0

Rafael 7 年前

假设字符串是这样的:

$string = 'Producent:<td class="datatable__body__item" data-title="Producent">Example';

您可以使用以下命令获取字符串的开头和结尾:

preg_match('/^(\w+:).*\>(\w+)/', $string, $matches);

echo implode([$matches[1], $matches[2]]);

在这种情况下 产品:示例 . 因此,可以将此输出添加到要使用的另一个变量/数组中。或者,自从你提到更换 :

$string = preg_replace('/^(\w+:).*\>(\w+)/', '$1$2', $string);

$string = 'Producent:<td class="datatable__body__item" data-title="Producent">Example
Groep:<td class="datatable__body__item" data-title="Produkt groep">Example1
Type:<td class="datatable__body__item" data-title="Produkt type">Example2';

$stringRows = explode(PHP_EOL, $string);

$pattern = '/^(\w+:).*\>(\w+)/';
$replacement = '$1$2';
foreach ($stringRows as &$stringRow) {
    $stringRow = preg_replace($pattern, $replacement, $stringRow);
}

$string = implode(PHP_EOL, $stringRows);

它将像您期望的那样输出字符串。

第一组抓住第一 : ,然后另一个组捕获一言为定。我之前已经为两端指定了锚,但是当断开每一行时,这不会像预期的那样工作,所以我只保留了开头。

^(\w+:) => the word in the beginning of the string until two dots appear
.*\>    => everything else until smaller symbol appears (escaped by slash)
(\w+)   => the word after the smaller than symbol

2

0

Maurice69 7 年前

也许我的问题写得不好。我有一张桌子,我需要从一个网站上刮下来。我需要表中的信息,但必须清理前面提到的一些部分。我最终的解决方案是这个,而且很有效。它仍然有一些工作与手动更换,但那是因为愚蠢的“他们使用英寸”。;-)

解决方案:

   \\ find the table in the sourcecode
   foreach($techdata->find('table') as $table){

    \\ filter out the rows
    foreach($table->find('tr') as $row){

    \\ take the innertext using simplehtmldom
    $tech_specs = $row->innertext;

    \\ strip some 'garbage'
    $tech_specs = str_replace("  \t\t\t\t\t\t\t\t\t\t\t<td class=\"datatable__body__item\">","", $tech_specs);

    \\ find the first word of the string so I can use it    
    $spec1 = explode('</td>', $tech_specs)[0];

    \\ use the found string to strip down the rest of the table
    $tech_specs = str_replace("<td class=\"datatable__body__item\" data-title=\"" . $spec1 . "\">",":", $tech_specs);

    \\ manual correction because of the " used
    $tech_specs = str_replace("<td class=\"datatable__body__item\" data-title=\"tbv Montage benodigde 19\">",":", $tech_specs);

    \\ manual correction because of the " used
    $tech_specs = str_replace("<td class=\"datatable__body__item\" data-title=\"19\">",":", $tech_specs);

    \\ strip some 'garbage'
    $tech_specs = str_replace("\t\t\t\t\t\t\t\t\t\t","\n", $tech_specs);
    $tech_specs = str_replace("</td>","", $tech_specs);
    $tech_specs = str_replace("  ","", $tech_specs);

    \\ put the clean row in an array ready for usage
    $specs[] = $tech_specs;
    }
  }

3

0

pguardiario 7 年前

只需使用通配符:

$newstr = preg_replace('/<td class="datatable__body__item" data-title=".*?">/', '', $str);

.*?