[Регулярки & Mod_Rewrite] Задай вопрос, получи ответ.

Простая задача на PHP. Для примера беру Хабр. Нужно вытащить с помощью регулярок текст всех комментариев, в которых присутствует некое слово, например, "Windows".

И вот тут регулярка становится жадной (даже с учетом U) - пожирает лишнего в начале текста. То есть в совпадение попадают фактически все комментарии.
То есть $maches[1] будет таким:

Как исправить?

 

Nek1t

Code:

#<div class="entry-content-only">([^<>]*Windows[^<>]*)</div>#sU

 

Gifts
Это скорее костыль, чем решение. Тем более, внутри комментария может быть фактически любой тег (ну, кроме <div class="entry-content-only">). Еще предложения?

 

На самом деле это невозможная задача для регулярных выражений. Держи, дальше сам

Code:

$pcre = '
~
(?=<div\ class="entry-content-only">)
(
  <([a-z]+) [^>]*+ >
  (?<post>
    (?:
      [^<]*+
    | <(?:img|hr|br) [^>]*+ >
    | (?1)
    )+
  )
  </\2>
)
~
ix
';

 

Хорошо. А есть какой-то способ задать множество любых строк, не содержащих подстроку <div class="entry-content-only"> ?

 

Честно:

Code:

 preg_match('~^(?:[^<]++|(?!<div class="entry-content-only">)<)*$~', $string);

и нечестно:

Code:

!preg_match('~<div class="entry-content-only>~', $string);

 

PHP:

$data = '<div class="entry-content-only">
Коммент1
</div>
<p class="reply">
<...>
<div class="entry-content-only">
Коммент2
</div>
<...>
<div class="entry-content-only">
Коммент 3 со словом Windows
</div>';

if (preg_match_all('~<div class="entry-content-only">([\s\S]+?)</div>~i', $data, $out)) {
   $filtered_out = array_filter($out[1], create_function('$var', 'return is_numeric(stripos($var, "windows"));'));
}

 

astrologer
В чем тогда подвох? Почему нельзя воспользоваться этим и написать регулярку вроде #<div class="entry-content-only">([множество_без_entry-content-only]*Windows[множество_без_entry-content-only]*)</div>#sU ?

 

Code:

<?php

$html = '
<div>junk</div>
<div class="entry-content">
  <div class="entry-content-only">В чем конкретно <i><b>Windows</b></i> стандарт то? </div>
</div>
<div>junk</div>
<div class="entry-content">
  <div class="entry-content-only"> Прежде чем пытаться что то оспорить или навязать</div>
</div>
<div>junk</div>
<div class="entry-content">
  <div class="entry-content-only">
Углубимся в историю и вспомним что нам <i>назявывали</i></div>
</div>
<div>sudden windows junk</div>
<div class="entry-content">
  <div class="entry-content-only">"Виндоус это не стандарт, не смешите ИТишников". </div>
</div>
<div>junk</div>
<div class="entry-content">
  <div class="entry-content-only"> <div>пытающийся <b>подрожать</b> и уметь <i>тоже</i> что Windows. </div> </div>
</div>
';

preg_match_all('~
<div\ class="entry-content-only">
(?:
  [^<w]++
| (?!<div\ class="entry-content-only">) <
| (?!windows) w
)*
windows
(?:
  [^<]++ | (?!<div\ class="entry-content-only">) <
)*?
</div>
~
ix
', $html, $matches);

print_r($matches);

Так? Оно будет ломаться, как и #1574 на вложенных <div> и на не вложенных тоже, правильного разбора, разумеется, не происходит.

 

Помогите спарсить значение contacthome.cfm?

PHP:

<div class="tabContainer"><a href="https://www.magnetmail.net/contacts/contacthome.cfm?d=962005005260811">Contacts</a></div>


В данном примере оно равно d=962005005260811

 

Code:

#<a href=".+?contacthome\.cfm\?(d=\d+)">Contacts</a>#

 

Пытался декодировать подобный скрипток http://pastebin.com/1TBYVsB5 , но проблема возникла на старте - не соображу как регуляркой исполнить base64 и записать уже строку.

пробовал сделать подобное.

PHP:

$f = file_get_contents('script.txt');
echo preg_replace('/base64_decode(.*?\))/e', 'base64_decode(\\1)', $f);


не выходит.Модификатор e позволяет же код выполнять.

 

PHP:

echo preg_replace_callback('/base64_decode\((.*?)\)/is',create_function('$t','return base64_decode($t[1]);'),str_replace("' .'",'',$text));

 

помогите написать регулярку..

есть структура страницы :

PHP:

<td  HEIGHT=30>
 <DIV class="display gr1"><span><img src="http://www.site.ru/img/icon_cat_0.gif" border="0"></span><A class=menu_link
title="Автомобили" href="javascript:void(null);">Автомобили</A>
</DIV>
<DIV class=menu_content id=submenu1>


   <DIV><A title="Автозапчасти для грузовых автомобилей"
href="cat/komp2/page0.html">Автозапчасти для грузовых автомобилей</A></DIV>


  
   <DIV><A title="Автозапчасти – производство, продажа"
href="cat/komp3/page0.html">Автозапчасти – производство, продажа</A></DIV>


  
   <DIV><A title="Автокосметика"
href="cat/komp4/page0.html">Автокосметика</A></DIV>

</DIV>
</td>


То есть сначала категория, потом суб категория..
Я пытаюсь сначала вытащить все блоки категория+суб категория. а потом из нее вытащить название категории и данные суб.

PHP:

$text = ccurl("http://site.ru",""); // в итоге в text текст веб страницы. 100% есть
preg_match_all('#<td  HEIGHT=30>(.*?)</td>#',$text,$m); // получаем в $m блоки которые потом будем парсить
print_r($m);


Но массив пустой... вроде что может быть неправильно в регулярке вытащить данные между двумя ТД ? пробовал поразному

 

Народ, не подскажите регулярку чтобы заменить все ссылки на значение из href
т.е. на входе чтото типа

Code:

<tag><a href="DATA1" other_data>Text</a><tag>
<tag><a        href='DATA2'>Text</a><tag>

на выходе получить

Code:

<tag>DATA1<tag>
<tag>DATA2<tag>

т.е. всю ссылку заменить на значение из href.
При этому данные могут быть как в кавычках так и в апострофах.
также ссылка может начинаться на одной строке а заканчиваться на другой.
типа

Code:

<a href="zzz"
param="val">
Info
</a>

т.е. вообще идея такая: нужно убрать из текста все теги но при этому на месте убранного тега <a> чтобы остались на данные внутри которые него, а ссылка

 

Если на perl, то что-нибудь типа

s/<a\s+href=['"](.+?)['"].*?>.+?<\/a>/$1/sg

 

-=Zhenek=- символ точка без модификаторов соответствует любым символам кроме перевода строки, соответственно имея многострочный текст - получить его не получится. Используйте [\s\S] или же модификатор m

slesh

PHP:

$data = '<tag><a href="DATA1" other_data>Text</a><tag>
<tag><a        href=\'DATA2\'>Text</a><tag>';

echo preg_replace('~<a[^<>]+href=([\'"])([^\\1]+)\\1[^<>]*>[\s\S]*?</a>~i', '\\2', $data);


 

Помогите плиз составить регулярку. Вот кусочек.

Code:

<a href="http://www.russian.language.ru/test.htm" target="_blank" class="l noline" onmousedown="return rwt(this,'','','','1','AFQjCNE_sDMliZLmfL9c3N-53stLeUXWCw','','0CCYQFjAA')">Study Russian in Russia: Online Russian <em>Test</em></a>

это один резултьтат из выдачи гугла. таких много причём вокруг ещё куча текста. Я пишу парсер url, помогите плиз регулярку сделать. чтобы была 1) полная ссылка типа http://www.russian.language.ru/test.htm 2) хост www.russian.language.ru

 

Sc0rpi0n

PHP:

<?php
$str = file_get_contents("http://www.google.com/search?q=your+query");
preg_match_all('#<h3 class="r"><a href="(http://(.*)\/.*)".*</a></h3>#U', $str, $match);
for ($i=1; $i<=2; $i++){
    print_r($match[$i]);
}
?>


 

Помогите с парсингом(Пожалуйста очень надо)

<div class="popup-box" id="DirectLinks"> <div class="popup-box-btm"> <i>Ваши ссылки <br>для скачивания:</i> <div class="butonz"> <span class="size" title="Размер файла"><b>1 407 Мб</b></span> <a href="#" class="copy" id="1314675559" title="нажмите, чтобы скопировать эту ссылку в буфер обмена">скопировать</a> <a href="http://78.140.178.88/download50/let2309/3836.37e657aaec1bf459bec537349136_1/Let.the.Bullets.Fly.HDRip.avi" class="dwnld" title="нажмите, чтобы начать скачивание в браузере">скачать</a> </div> <span>http://78.140.178.88/download50/let2309/3836.37e657aaec1bf459bec537349136_1/Let.the.Bullets.Fly.HDRip.avi</span> </div> <img src="images/pop-awr.gif" alt="" /> </div>
С етого кода нужно спарсить вот ету ссылку:
http://78.140.178.88/download50/let2309/3836.37e657aaec1bf459bec537349136_1/Let.the.Bullets.Fly.HDRip.avi
И вот ети цифры :1 407 Мб
Всё вывести в две переменные!Спасибо