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 you have read our privacy policy.

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