8/index.html:
<!DOCTYPE html><html><head> <Meta charset="UTF-8"> <title>你好你好</title> <link rel="stylesheet" href="css/normalize.css"> <link rel="stylesheet" href="css/style.css" media="screen" type="text/css" /></head><body> <div style="text-align:center;clear:both;"> <script src="/follow.js" type="text/javascript"></script> </div> <div class='heart3d'> <div class='rib1'></div> <div class='rib2'></div> <div class='rib3'></div> <div class='rib4'></div> </div></body></html>
没什么特别的html文件。
接着是PHP文件：
<?PHP/** * 在html文件中找出正文 * Created by PHPStorm. * User: Administrator * Date: 2016/11/15 * Time: 21:43 */$filename = '8/index.html';$res = get_body_from_html($filename);var_dump($res);/** * 在html文件中找出正文 * @param $filename string 路径url * @return array|bool */function get_body_from_html($filename){ if (!file_exists($filename)) { return false; } $file = file_get_contents($filename); $res = array(); preg_match('/<body>(.*)<\/body>/', $file, $res); return $res;}
结果一运行发现是空的：
array(0) { }
为了测试，改了一下方法：
function get_body_from_html($filename){ if (!file_exists($filename)) { return false; }// $file = file_get_contents($filename); $file = '<html><head><title>你好</title>></head><body><div>我不好我不好</div></body></html>'; $res = array(); preg_match('/<body>(.*)<\/body>/', $res); return $res;}
运行发现没问题：
array(2) { [0]=> string(42) "<body><div>我不好我不好</div></body>" [1]=> string(29) "<div>我不好我不好</div>"}
仔细检查代码，发现没啥问题，遂只好去
segmentfault提问，很快就有了答案：
是因为正则的问题，
.只能匹配除了换行符的所有字符，所以匹配不到html中的，一般要匹配所有字符的话，两种方法，一种是：([\s\S]*?)，\s匹配所有的空白，包括空格、换行、tab缩进等所有的空白，而\S正好相反，这样\s\S就匹配所有的字符。[]表示在它里面包含的单个字符不限顺序的出现。类似的还有[\w\W]等，另外一种是给正则表达式添加模式修饰符/s。
<?PHP/** * 在html文件中找出正文 * Created by PHPStorm. * User: Administrator * Date: 2016/11/15 * Time: 21:43 */$filename = '8/index.html';$res = get_body_from_html($filename);var_dump($res);/** * 在html文件中找出正文 * @param $filename string 路径url * @return array|bool */function get_body_from_html($filename){ if (!file_exists($filename)) { return false; } $file = file_get_contents($filename); $res = array(); preg_match('/<body>([\s\S]*?)<\/body>/', $res); return $res[0];}
或者是：
-
-
-
-
<?PHP/** * 在html文件中找出正文 * Created by PHPStorm. * User: Administrator * Date: 2016/11/15 * Time: 21:43 */$filename = '8/index.html';$res = get_body_from_html($filename);var_dump($res);/** * 在html文件中找出正文 * @param $filename string 路径url * @return array|bool */function get_body_from_html($filename){ if (!file_exists($filename)) { return false; } $file = file_get_contents($filename); $res = array(); preg_match('/<body>(.*)<\/body>/s', $res); //这一种方法也可以 return $res[0];}
运行之后就没问题了：
string(280) "<body> <div style="text-align:center;clear:both;"> <script src="/follow.js" type="text/javascript"></script> </div> <div class='heart3d'> <div class='rib1'></div> <div class='rib2'></div> <div class='rib3'></div> <div class='rib4'></div> </div></body>"
