在php中使用正则表达式匹配html属性

Question

我试图制作一个表达式来搜索how2bypass.co.cc这样的页面，并返回“form”标签中“action”属性的内容，以及内容任何输入标签中的“名称”和“类型”属性。我无法使用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，并且一旦网站发现我正在做这些事情，他们可能会开始做一些愚蠢的事情，比如编写整个JavaScript文件阻止我解析它。

我正在使用的代码

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

这为action属性工作正常，但一旦我把“后键入\ =代码停止工作。这是为什么？它工作正常一次，但不是两次

Answer 1

没有看到，你想从，提取目标页面，只有几件事情来猜测：

• 的type=属性可能没有双引号，如type=text也是有效的。或者它可能会有单引号，或者在=附近有空格。
• 如果标记之间或标记内存在换行符，.*占位符可能会失败。建议使用/s正则表达式标志。
• 反正使用否定字符类如[^<>]*或[^"]而不是.*通常更可靠。
• 你不需要转义\=等号。

也许你应该把它分开。使用一个正则表达式来提取<form>..</form>块。然后在其中搜索<input>标签。

Answer 2

正则表达式是贪婪...

如果您检查网页的源文件，以下是可能与最后type=匹配第一<input，以及两者之间的一切捕获。

`<input.*type\=` 

你不会是能够捕捉的形式，并与当前的表达式的输入，因为不是每个输入与形式的标记前缀。你需要接近它的下列方式之一：

• 捕捉整个形式标记，<form>...</form>，然后一个正则表达式中捕获
• 调整当前的表现是非贪婪所有的输入匹配， .*?，并允许多次捕获输入标记。