用于从HTML中获取关键字的RegEx

Question

我试图从一个用PHP抓取的HTML页面中获取关键字。

因此，如果关键字标记看起来像这样：

<meta name="Keywords" content="MacUpdate, Mac Software, Macintosh Software, Mac Games, Macintosh Games, Apple, Macintosh, Software, iphone, ipod, Games, Demos, Shareware, Freeware, MP3, audio, sound, macster, napster, macintel, universal binary">

我想要找回这个：

MacUpdate, Mac Software, Macintosh Software, Mac Games, Macintosh Games, Apple, Macintosh, Software, iphone, ipod, Games, Demos, Shareware, Freeware, MP3, audio, sound, macster, napster, macintel, universal binary

我构造了一个正则表达式，但它不起作用。

(?i)^(<meta name=\"keywords\" content=\"(.*)\">)

有什么想法吗？

Answer 1

使用函数get_meta_tags();

Tutorial

Answer 2

我会使用像DOMDocument和XPath这样的解析器从DOM中检索节点：

$doc = new DOMDocument();
$doc->loadHTML($html);
$xpath = new DOMXPath($doc);
$keywords = $xpath->query('//meta[translate(normalize-space(@name), "KEYWORDS", "keywords")="keywords"]/@content');
foreach ($keywords as $keyword) {
    echo $keyword->value;
}

translate function似乎是必要的，因为PHP的XPath实现不知道lower-case function。

或者使用PHP进行过滤：

$metas = $xpath->query('//meta');
foreach ($metas as $meta) {
    if ($meta->hasAttribute("name") && trim(strtolower($meta->getAttribute("name")))=='keywords' && $meta->hasAttribute("content")) {
        echo $meta->getAttribute("content")->value;
    }
}

Answer 3

停止使用正则表达式。它很慢，资源密集，而且不是很灵活。

如果您正在使用PHP编程，请查看http://simplehtmldom.sourceforge.net/ - SimpleDom的强大功能，它能够以一种非常简单的面向对象的方式为您提供所需的一切。

    // Create DOM from URL or file
$html = file_get_html('http://www.google.com/');

// Find all images 
foreach($html->find('img') as $element) 
       echo $element->src . '<br>';

// Find all links 
foreach($html->find('a') as $element) 
       echo $element->href . '<br>';

另一个例子-

// Example
$html = str_get_html("<div>foo <b>bar</b></div>"); 
$e = $html->find("div", 0);

echo $e->tag; // Returns: " div"
echo $e->outertext; // Returns: " <div>foo <b>bar</b></div>"
echo $e->innertext; // Returns: " foo <b>bar</b>"
echo $e->plaintext; // Returns: " foo bar"