1

Доброго времени суток.

Помогите разобраться с регуляркой. Через curl получил страницу в переменную $page. В переменной содержится примерно следующее

<div id="middleContent">
  <div class="right-content">
    <div>
      <div id="labelRussianUL">
        <h3 style="cursor: pointer; text-decoration: underline;">...</h3>
      </div>
      <div id="textRussianUL" style="display: none;">
        <p>1. Запись 1</p>
        <p>2. Запись 2</p>
        <p>3. Запись 3</p>
        ...
        где то 100
        ...
        <p>...</p>
      </div>
      <div id="labelRussianFL">
        <h3 style="cursor: pointer; text-decoration: underline;">...</h3>
      </div>
      <div id="textRussianFL" style="display: none;">
        <p>1. Запись 1</p>
        <p>2. Запись 2</p>
        <p>3. Запись 3</p>
        ...
        очень много записей более 5000
        ...
        <p>...</p>
      </div>
    </div>
  </div>
</div>

Не могу понять почему

preg_match('/<div[^>]*id="textRussianFL"[^>]*>(.*?)<\/div>/', $page, $match); не работает preg_match('/<div[^>]*id="textRussianUL"[^>]*>(.*?)<\/div>/', $page, $match); работает.

Регулярку проверял на сайте regex101.com . С небольшим кол-вом записей работает. Заранее благодарю за помощь.

1
  • Зачем регулярками разбирать HTML ? В PHP есть нормальные средства для работы с DOM. php.net/manual/ru/class.domdocument.php
    – Mike
    22 авг 2016 в 15:45

2 ответа 2

3

Всего вероятнее у вас переполнение идет из-за вот этой группы

(.*?)

Сразу после этой группы у вас указан символ <, а в искомом div у вас более 5 тыс. строк вида

<p>1. Запись 1</p>

Идет постоянный перебор символов с последующий возвратом из-за несовпадений с < и следующими за ним символами.

Вот регулярка https://regex101.com/r/wK1aW4/1

/<div[^>]*?id="textRussianFL"[^>]*?>(.*?)<\/div>/s

которая у меня вызывает ошибку при тесте. Дебагер показывает такой результат

Match 1 - finished in 211352 steps

И вот более сложна регулярка https://regex101.com/r/wK1aW4/2

/<div[^>]*?id="textRussianFL"[^>]*?>([^<]*(?:<(?!\/div>)[^<]*)*)<\/div>/s

которая уже у меня не вызывает ошибки. Дебагер показывает такой результат

Match 1 - finished in 42355 steps

4
  • Попровал я вашу регулярку '/<div[^>]*?id="textRussianFL"[^>]*?>([^<]*(?:<(?!\/div>)[^<]*)*)<\/div>/s' с данными которые возвращает curl не успевает обработать по timeout. скопировал исходный код в regex101.com удалил половину данных со страницы которую вернул curl и кое как вернуло результат. Но выходит так что данный вариант для моего случая не подходит. Но все равно спасибо за помощь
    – baggi
    22 авг 2016 в 17:03
  • @baggi, сделайте проще, даже не используя DOM. Найдите регуляркой только начальный div <div[^>]*?id="textRussianFL"[^>]*?>, а потом с помощью функции strpos позицию </div> начиная с символа следующего за найденным открывающимся тегом (найденным регуляркой). И так для всех повторений данного div на странице.
    – Visman
    22 авг 2016 в 17:19
  • не совсем понял, что вы имеете ввиду. Найду через регулярку <div id="textRussianFL" style="display: none;"> и закрывающийся тег <div>. но мне необходимо содержимое получить.
    – baggi
    22 авг 2016 в 17:37
  • @baggi, ни кто не отменял функцию substr и математические операции по нахождению длины подстроки между двумя другими найденными подстроками.
    – Visman
    22 авг 2016 в 17:50
1

Всем спасибо за помощь, решил пробелему с помощью

preg_match('/<div id="textRussianFL"[^>]*>(.*?)<\/div>/us', $page, $match);

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.