Форум Регулярные Выражения

Встала задача разбора html тегов. Начал читать материалы на эту тему и понял, что мне нужно использовать регулярные выражения. Хорошо, что нашел этот форум. Смотрю, люди тут такое вытворяют..... Восхищен!!! Я, пока так не могу :( Может поможете. Есть html файл, где идут строки вида

<tr><td class="Main-Text"><a href="/en/callingrates/landline/cheap-calls-albania.html" style="color:black;font-weight:normal;text-decoration:none">Albania</a>&nbsp;&nbsp;<font size=1>(Landline)</font></td><td class="e" style="text-align:right;font-size:12px;;width:80px;">0.080</td><td class="i" style="text-align:right;font-size:12px;;width:80px; color: #C0C0C0;">&nbsp;&nbsp;0.095</td></tr>

<tr><td class="Main-Text"><a href="/en/callingrates/mobile/cheap-calls-albania.html" style="color:black;font-weight:normal;text-decoration:none">Albania</a>&nbsp;&nbsp;<font size=1>(Mobile)</font></td><td class="e" style="text-align:right;font-size:12px;;width:80px;">0.140</td><td class="i" style="text-align:right;font-size:12px;;width:80px; color: #C0C0C0;">&nbsp;&nbsp;0.167</td></tr>

Нужно получить выделенную информацию.

А еще лучше, что бы первая часть была вида Albania (Mobile), но это уже не сложно

И в догонку, извините за наглость.

Вот часть кода

<tr>
<td style="background: #EEEEEE; color: #000;"><nobr>2008-11-24</nobr></td>
<td style="background: #EEEEEE; color: #000;">&nbsp;</td>]
<td style="background: #EEEEEE; color: #000;">10:26:53</td>
<td style="background: #EEEEEE; color: #000;">&nbsp;</td>
<td style="text-align: left; background: #EEEEEE; color: #000;" nowrap>+74959760916 </td>
<td style="background: #EEEEEE; color: #000;">&nbsp;</td>
<td style="text-align: left; background: #EEEEEE; color: #000;">00:02:45</td>
<td style="background: #EEEEEE; color: #000;">&nbsp;</td>
<td style="text-align: left; background: #EEEEEE; color: #000;"><b>FREE!</b></td>
<td style="text-align: left; background: #EEEEEE; color: #000;"> </td></tr>
<tr>
<td style="background: #EEEEEE; color: #000;"><nobr>2008-11-20</nobr></td>
<td style="background: #EEEEEE; color: #000;">&nbsp;</td>
<td style="background: #EEEEEE; color: #000;">11:39:03</td>
<td style="background: #EEEEEE; color: #000;">&nbsp;</td>
<td style="text-align: left; background: #EEEEEE; color: #000;" nowrap>+359448811324 </td>
<td style="background: #EEEEEE; color: #000;">&nbsp;</td>
<td style="text-align: left; background: #EEEEEE; color: #000;">00:01:52</td>
<td style="background: #EEEEEE; color: #000;">&nbsp;</td>
<td style="text-align: left; background: #EEEEEE; color: #000;">&euro;&nbsp;0.360</td>
<td style="text-align: left; background: #EEEEEE; color: #000;"><a href="callinfo.php?type=39"><img src="questionmark.gif" border=0></a> </td></tr>

Опять же, нужно выделенное, хотя такое можно выбрать и без регулярных выражений

например так

<pre><? $txt = 'этот html'; preg_match_all('#:none">([^<]+)</a>[^>]+>([^<]+)</font>#i', $txt, $out, 2); print_r($out); ?>

но это зависит от того есть-ли другие появления :none">
ато придётся цепляться ещё раньше за <td class="Main-Text">

строку </font> при желании можно убрать из Array[0]s массива $out

>А еще лучше, что бы первая часть была вида Albania (Mobile), но это уже не сложно
Как-то так

<pre> <?php $t='<tr><td class="Main-Text"><a href="/en/callingrates/landline/cheap-calls-albania.html" style="color:black;font-weight:normal;text-decoration:none">Albania</a>&nbsp;&nbsp;<font size=1>(Landline)</font></td><td class="e" style="text-align:right;font-size:12px;;width:80px;">0.080</td><td class="i" style="text-align:right;font-size:12px;;width:80px; color: #C0C0C0;">&nbsp;&nbsp;0.095</td></tr> <tr><td class="Main-Text"><a href="/en/callingrates/mobile/cheap-calls-albania.html" style="color:black;font-weight:normal;text-decoration:none">Albania</a>&nbsp;&nbsp;<font size=1>(Mobile)</font></td><td class="e" style="text-align:right;font-size:12px;;width:80px;">0.140</td><td class="i" style="text-align:right;font-size:12px;;width:80px; color: #C0C0C0;">&nbsp;&nbsp;0.167</td></tr> '; preg_match_all("#href=\"/en/[^>]+>(.+?)</a>[^>]+>(.+?)</font></td><td[^>]+>(.+?)</td>#s",$t,$out); unset($out[0]); print_r($out); ?>

Данные из массива, надеюсь рассортируете.

>И в догонку, извините за наглость.
>Вот часть кода

Как-то так

<pre> <?php $t='<tr> <td style="background: #EEEEEE; color: #000;"><nobr>2008-11-24</nobr></td> <td style="background: #EEEEEE; color: #000;">&nbsp;</td>] <td style="background: #EEEEEE; color: #000;">10:26:53</td> <td style="background: #EEEEEE; color: #000;">&nbsp;</td> <td style="text-align: left; background: #EEEEEE; color: #000;" nowrap>+74959760916 </td> <td style="background: #EEEEEE; color: #000;">&nbsp;</td> <td style="text-align: left; background: #EEEEEE; color: #000;">00:02:45</td> <td style="background: #EEEEEE; color: #000;">&nbsp;</td> <td style="text-align: left; background: #EEEEEE; color: #000;"><b>FREE!</b></td> <td style="text-align: left; background: #EEEEEE; color: #000;"> </td></tr> <tr> <td style="background: #EEEEEE; color: #000;"><nobr>2008-11-20</nobr></td> <td style="background: #EEEEEE; color: #000;">&nbsp;</td> <td style="background: #EEEEEE; color: #000;">11:39:03</td> <td style="background: #EEEEEE; color: #000;">&nbsp;</td> <td style="text-align: left; background: #EEEEEE; color: #000;" nowrap>+359448811324 </td> <td style="background: #EEEEEE; color: #000;">&nbsp;</td> <td style="text-align: left; background: #EEEEEE; color: #000;">00:01:52</td> <td style="background: #EEEEEE; color: #000;">&nbsp;</td> <td style="text-align: left; background: #EEEEEE; color: #000;">&euro;&nbsp;0.360</td> <td style="text-align: left; background: #EEEEEE; color: #000;"><a href="callinfo.php?type=39"><img src="questionmark.gif" border=0></a> </td></tr> '; preg_match_all('#<td[^>]+>(?!&nbsp;| |<a.*</a>)(.+?)</td>#is', $t, $out); unset($out[0]); print_r($out); ?>

Странно, но вот такое парсится не совсем :-(

<td style="background: #EEEEEE; color: #000;"><nobr>2008-12-02</nobr></td>
<td style="background: #EEEEEE; color: #000;">&nbsp;</td>
<td style="background: #EEEEEE; color: #000;">17:11:32</td>
<td style="background: #EEEEEE; color: #000;">&nbsp;</td>
<td style="text-align: left; background: #EEEEEE; color: #000;" nowrap> from +380572673419 to +46738345405</td>
<td style="background: #EEEEEE; color: #000;">&nbsp;</td>
<td style="text-align: left; background: #EEEEEE; color: #000;">00:16:04</td>
<td style="background: #EEEEEE; color: #000;">&nbsp;</td>
<td style="text-align: left; background: #EEEEEE; color: #000;">&euro;&nbsp;1.835</td>
<td style="text-align: left; background: #EEEEEE; color: #000;"><a href="callinfo.php?type=9"><img src="questionmark.gif" border=0></a> </td></tr>

выделенное не попадает :-(
Может можно что-то подправить?

preg_match_all('#<td[^>]+>(?!&nbsp;|<a.*</a>)(.+?)</td>#is', $t, $out);

<? $txt = str_replace(array('&euro;', '&nbsp;', ' '), '', strip_tags($txt, '<B><O><T>'));

:)

Все просто супер! Спасибо огромное! Блин, надо учить регулярные выражения! Это круто!

Это из-за пробела который проверяется как ненужный сразу после <td ....>
точнее (?!&nbsp;| |<a.*</a>) - это утверждение
, идущее сразу после нахождения открывающего тега, утверждает что
с этого места дальше не должно быть этих подстрок перечисленных через |
и пробел одна из этих подстрок.
С этим что-то и нужно делать .)

// upd
уже поправили :)

>Это из-за пробела который проверяется как ненужный сразу после <td ....>
Так, соответственно он и проверялся по строке:
<td style="text-align: left; background: #EEEEEE; color: #000;"> </td></tr>
из первого поста автора.

P.S. Один пробел, он и воспринимается как один пробел и не обязательно писать мнемоники, а если больше, только мнемоники.

Незаметил , или просто не очень присматривался ,)
А так мне больше не понравилось то что это "]" почему-то попалось сразу после </td>,
и почему всё нужно без тегов , а это FREEEEE с тегами :)

да и так задачка не очень какая-то , хоть и тяжеловастенькая
, только что-то кривое вроде этого получается

'#>(?>\s+|\&\w{4}\;)*((?![\s&])[^<]+)(?:</[nobr]+>)?\s*</td>#is'

тут наверное скорее всего надо получить каждый <tr> отдельно,
типа такого

$subp  = '<td[^>]*>\s*(?:<[nobr]+>\s*)?([^<]+).*?<td[^>]*>.*?</td>\s*'; $pattern = "#<tr[^>]*>\s*${subp}${subp}${subp}${subp}${subp}#is"; preg_match_all($pattern, $txt, $out, 2);

но скорее всего помешает это "</td>]" в первом посте .)