我正在尝试使用 user contributed notes 中的代码在 php.net 上的 get_meta_tags功能。从表面上看，如果元标记的格式为 <meta content="foo" name="bar" />那么代码将错过它。目前，只有格式为 <meta name="bar" content="foo"/> 的标签将工作。我对正则表达式不是很好，但没有成功修复它。这是一个 url 的例子这似乎通过了正则表达式。提前道歉，我的问题不一定是关于 get_meta_tags功能，但这似乎与人们一直在使用该功能时遇到的其他一些问题不太相关。
问题似乎出在附近:
preg_match_all('/<[\s]*meta[\s]*(name|property)="?' . '([^>"]*)"?[\s]*' . 'content="?([^>"]*)"?[\s]*[\/]?[\s]*>/si', $contents, $match);
这可能需要是这样的:
preg_match_all('/<[\s]*meta[\s]*(name|property|content)="?' . '([^>"]*)"?[\s]*' . '(content|name)="?([^>"]*)"?[\s]*[\/]?[\s]*>/si', $contents, $match);
不过，我对正则表达式的使用非常糟糕。有什么想法吗？
最佳答案
一个想法是在 lookahead 中捕获元名称/属性独立于序列:
function extract_meta_tags($source)
{
$pattern = '
~<\s*meta\s
# using lookahead to capture type to $1
(?=[^>]*?
\b(?:name|property|itemprop|http-equiv)\s*=\s*
(?|"\s*([^"]*?)\s*"|\'\s*([^\']*?)\s*\'|
([^"\'>]*?)(?=\s*/?\s*>|\s\w+\s*=))
)
# capture content to $2
[^>]*?\bcontent\s*=\s*
(?|"\s*([^"]*?)\s*"|\'\s*([^\']*?)\s*\'|
([^"\'>]*?)(?=\s*/?\s*>|\s\w+\s*=))
[^>]*>
~ix';
if(preg_match_all($pattern, $source, $out))
return array_combine(array_map('strtolower', $out[1]), $out[2]);
return array();
}
参见 test at regex101 .使用 branch reset用于提取不同引用样式的值的功能。
print_r(extract_meta_tags($str));尝试使用一些不同的数据 at eval.in
在 html 上使用它 <head>部分。获取页面源并提取头部:
1.) 使用 cURL 获取源代码, file_get_contents或 fsockopen .
2.) 提取 <head>通过使用 dom或正则表达式 like this: (?is)<head\b[^>]*>(.*?)</head>
3.) 从 <head> 中提取元标签通过使用提供的正则表达式或 try with a parser .
关于php - 修改后的 PHP get_meta_tags 不适用于某些 URL，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/31838347/