javascript - 使用 RegEx 查找 HTML 标签之间的内容

Question

我想提取属性名为 itemprop 的页面内容。假设我的页面具有不同的 HTML 标签，这些标签具有名为 itemprop 的属性，因此我希望在这些标签之间添加文本，

对于标题:

<h1 itemprop="name" class="h2">Whirlpool Direct Drive Washer Motor Coupling</h1>

来自 td 标签的表格数据:

<td itemprop="productID">AP3963893</td>

这里 itemprop 属性是通用的。因此，我需要使用 regexp 在 Whirlpool Direct Drive Washer Motor Coupling 和 AP3963893 等标签之间提供数据。

下面是我的代码(目前不起作用)

preg_match_all(
    '/<div class=\"pdct\-inf\">(.*?)<\/div>/s',
    $producturl,
    $posts    
);

我的代码:

<?php
    define('CSV_PATH','csvfiles/');
    $csv_file = CSV_PATH . "producturl.csv"; // Name of your producturl file
    $csvfile = fopen($csv_file, 'r');
    $csv_fileoutput = CSV_PATH . "productscraping.csv"; // Name of your product page data file
    $csvfileoutput = fopen($csv_fileoutput, 'a');

    $websitename = "http://www.appliancepartspros.com";

    while($data = fgetcsv($csvfile)) 
    {
        $producturl = $websitename . trim($data[1]);

        preg_match_all(
            '/<.*itemprop=\".*\".*>(.*?)<\/.*>/s',
            $producturl,
            $posts    
        );
        print_r($posts);
    }

Answer 1

首先，never ever use RegEx to parse HTML 。其次，您可以使用 jQuery 非常简单地使用属性选择器来实现此目的:

var nameItemprop = $('[itemprop="name"]').text(); // = 'Whirlpool Direct Drive Washer Motor Coupling'
var productIdItemprop = $('[itemprop="productID"]').text(); // = 'AP3963893'

但请注意，创建您自己的非标准属性是无效的 HTML。理想情况下，您应该使用 data-* 属性来包含与这些元素关联的数据:

<h1 data-itemprop="name" class="h2">Whirlpool Direct Drive Washer Motor Coupling</h1>
<td data-itemprop="productID">AP3963893</td>

var nameItemprop = $('[data-itemprop="name"]').text();
var productIdItemprop = $('[data-itemprop="productID"]').text();

最后，如果有多个元素具有相同的 itemprop 属性，那么您需要循环遍历它们以从每个元素获取值。