在php中使用正則表達式匹配html屬性

Question

我試圖製作一個表達式來搜索how2bypass.co.cc這樣的頁面，並返回「form」標籤中「action」屬性的內容，以及內容任何輸入標籤中的「名稱」和「類型」屬性。我無法使用html解析器，因爲我的最終目標是自動檢測給定頁面是否是Web代理，並且一旦網站發現我正在做這些事情，他們可能會開始做一些愚蠢的事情，比如編寫整個JavaScript文件阻止我解析它。

我正在使用的代碼

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

這爲action屬性工作正常，但一旦我把「後鍵入\ =代碼停止工作。這是爲什麼？它工作正常一次，但不是兩次

Answer 1

沒有看到，你想從，提取目標頁面，只有幾件事情來猜測：

• 的type=屬性可能沒有雙引號，如type=text也是有效的。或者它可能會有單引號，或者在=附近有空格。
• 如果標記之間或標記內存在換行符，.*佔位符可能會失敗。建議使用/s正則表達式標誌。
• 反正使用否定字符類如[^<>]*或[^"]而不是.*通常更可靠。
• 你不需要轉義\=等號。

也許你應該把它分開。使用一個正則表達式來提取<form>..</form>塊。然後在其中搜索<input>標籤。

Answer 2

正則表達式是貪婪...

如果您檢查網頁的源文件，以下是可能與最後type=匹配第一<input，以及兩者之間的一切捕獲。

`<input.*type\=` 

你不會是能夠捕捉的形式，並與當前的表達式的輸入，因爲不是每個輸入與形式的標記前綴。你需要接近它的下列方式之一：

• 捕捉整個形式標記，<form>...</form>，然後一個正則表達式中捕獲
• 調整當前的表現是非貪婪所有的輸入匹配， .*?，並允許多次捕獲輸入標記。