Регулярные выражения

[XAHTEP26]

Помогите пожалуйста разобраться с регулярными выражениями.
Надо написать простой парсер новостей с сайта http://fsrar.ru/news. Нужно вынимать весь html-код который заключен между <p class="text"> и </p> (в том числе ссылку).
Я делаю так:

$file = file_get_contents('http://fsrar.ru/news');$pattern = "/\<p\ class\=\"text\"\>(.*)\<\/p\>/U";preg_match_all($pattern, $file, $matches);print implode('<br />', $matches[1]);

Но при этом ничего не выводится. Подскажите где я ошибся и/или посоветуйте статью про регулярные выражения.

[Zverushka]

По-моему на том сайте тег p не закрывается.. соответственно под шаблон не подходит)...

[XAHTEP26]

По-моему на том сайте тег p не закрывается.. соответственно под шаблон не подходит)...

Закрывается. ) Все новости выглядят примерно так:

<p class="text">Информационное сообщение о функционировании информационных систем Росалкогольрегулирования 1-2 января 2014<br>    <a href="/news/view?id=697">читать полностью</a>      </p>

[Zverushka]

Вот, что вижу я

 <p class="text">Информационное сообщение о функционировании информационных систем Росалкогольрегулирования 1-2 января 2014<br />    <a href="/news/view?id=697">читать полностью</a>       </div><div class="newsBlock  newsBlockLocked "><span class="datex" ></span>    <p class="text">Информационное сообщение для производителей и импортеров алкогольной продукции<br />    <a href="/news/view?id=122">читать полностью</a>       </div>

И вообще на этой странице всего 2 закрытых p тега...

[XAHTEP26]

Хм. Действительно. Я просто через инспектор смотрел а там браузер сам добавлял закрывающие теги. Спасибо.
Но даже если так. Пишу:

$pattern = "/\<p\ class\=\"text\"\>(.*)\<\/div\>/U";

И всеравно ничего не выводит. А если пишу:
 

$pattern = "/\<p\ class\=\"text\"\>(.*)\<br\ \/>/U";

Т. е. хочу считать только текст, без ссылки, то выводит все правильно. Но хотелось бы все-таки с ссылкой. Видимио это из-за того, что ссылка на другой строке. Насколько я понял нужно добавить модификатор /m, но это не помогает. (

Edited December 8, 2013 by XAHTEP26

[wwt]

На сайте есть лента новостей http://fsrar.ru/rss она совсем не подходит?

[XAHTEP26]

На сайте есть лента новостей http://fsrar.ru/rss она совсем не подходит?

) Не совсем, но подходит. Да и с регулярными выражениями я уже немного разобрался. Спасибо. Я что-то ее не заметил...

[VolCh]

Неправильно парсить html регулярками, используйте работу с DOM.

[XAHTEP26]

Неправильно парсить html регулярками, используйте работу с DOM.

А статью или что нить обучающее об этом не подскажешь?

[wwt]

 

На сайте есть лента новостей http://fsrar.ru/rss она совсем не подходит?

) Не совсем, но подходит. Да и с регулярными выражениями я уже немного разобрался. Спасибо. Я что-то ее не заметил...

 

Для парсинга rss ненужны регулярки есть модули PHP для работы с XML.

 

 

Неправильно парсить html регулярками, используйте работу с DOM.

не совсем верно. Зачастую распарсить регуляркой намного проще и быстрее по ресурсам чем с помощью модуля dom. Тем более вам ненужно всё дерево, а только небольшой кусок.

[Int]

А зачем ты экранируешь угловые скобки, пробелы и знаки равенства? Ты считаешь их управляющими символами в регулярках?

preg_match_all('#<p class="text">(.+?)</div>#isu', $file, $matches);

http://www.php.net/manual/ru/reference.pcre.pattern.modifiers.php

[XAHTEP26]

А зачем ты экранируешь угловые скобки, пробелы и знаки равенства? Ты считаешь их управляющими символами в регулярках?

preg_match_all('#<p class="text">(.+?)</div>#isu', $file, $matches);

http://www.php.net/manual/ru/reference.pcre.pattern.modifiers.php

 

Нагуглил статьи где так делали... )))

[CoDy]

Оффтоп: по поводу парсинга html-страниц, если задача позволяет пользовать внешнее приложение, советую програмулину Datacol - крайне занимательная штука.

[VolCh]

не совсем верно. Зачастую распарсить регуляркой намного проще и быстрее по ресурсам чем с помощью модуля dom. Тем более вам ненужно всё дерево, а только небольшой кусок.

 

Быстрее по ресурсам - может быть. Проще - точно нет. Написать регулярку выбирающую хотя бы какой-то один тег (аналог css-селектора tag) ой как не просто - только навскидку нужно учесть: комментарии, скрипты и CDATA. 

[Николя223]

Неправильно парсить html регулярками, используйте работу с DOM.

SimpleXML , simpleHTML - производительнее чем дом