php - 在 php 中将 html 属性与正则表达式匹配

Question

我正在尝试创建一个表达式，它将搜索像 how2bypass.co.cc 这样的页面，并返回“form”标签中“action”属性的内容，以及“name”和“任何输入标签中的“类型”属性。我不能使用 html 解析器，因为我的最终目标是自动检测给定页面是否是 Web 代理，一旦网站发现我正在这样做，他们可能会开始做一些愚蠢的事情，比如编写整个使用 javascript 来阻止我解析它。

我正在使用代码

    preg_match_all('/<form.*action\="(.*?)".*>[^<]*<input.*type\=/i', $pageContents, $inputMatches);

这对于 action 属性工作正常，但是一旦我在 type\= 之后放置一个 "，代码就会停止工作。这是为什么？一次工作正常，但两次就不行了？

Answer 1

正则表达式是贪婪的...

如果您检查页面源代码，下面可能匹配第一个 <input最后一个type= ，并捕获其间的所有内容。

`<input.*type\=`

您将无法使用当前表达式捕获表单和所有输入，因为并非每个输入都以表单标记为前缀。您需要通过以下方式之一处理它:

• 捕获整个表单标记，<form>...</form> , 然后是一个正则表达式来匹配捕获中的所有输入
• 将您当前的表达式调整为非贪婪表达式，.*? ，并允许多次捕获输入标记。