PHP의 preg_match_all()을 사용하여 기능적인 정규 표현식이 실패하는 이유는 무엇입니까?

Question

나는, 확장 PHP 스크립트에서 다음 정규식

$total_matches = preg_match_all('{ 

     <a\shref=" 
     (?<link>[^"]+) 
     "(?:(?!src=).)+src=" 
     (?<image>[^"]+) 
     (?:(?!designer-name">).)+designer-name"> 
     (?<brand>[^<]+) 
     (?:(?!title=).)+title=" 
     (?<title>((?!">).)+) 
     (?:(?!"price">).)+"price">\$ 
     (?<price>[\d.,]+) 

}xsi',$output,$all_matches,PREG_SET_ORDER); 

이 정규식은 PHP를 통해 (다음 또는 대소 문자를 구분 설정 같은 옵션 (regexr.com에서 파서를 사용하여 구문 분석 할 때 잘 작동하는 것 같다있다 , 치료 라인)의 공백으로 나눈 것. 난이 경기에서 온 전체 페이지를 구문 분석 할 때

<a href="http://www.mytheresa.com/us_en/dordogne-120-sandals.html" title= 
    "DORDOGNE 120 PLATEAU SANDALEN" class="product-image"> 
    <img class="image1st" src= "http://mytheresaimages.s3.amazonaws.com/catalog/product/cache/common/product_114114/small_ image/230x260/9df78eab33525d08d6e5fb8d27136e95/P/0/P00027794-DORDOGNE-120-PLATEAU-SANDALEN-STANDARD.jpg" 
    width="230" height="260" 
    alt= "Christian Louboutin - DORDOGNE 120 SANDALS - mytheresa.com GmbH" 
    title= "Christian Louboutin - DORDOGNE 120 SANDALS - mytheresa.com GmbH" /> 
<img class="image2nd" src= "http://mytheresaimages.s3.amazonaws.com/catalog/product/cache/common/product_114114/image/230x260/9df78eab33525d08d6e5fb8d27136e95/P/0/P00027794-DORDOGNE-120-PLATEAU-SANDALEN-DETAIL_2.jpg" 
width="230" height="260" alt= 
"Christian Louboutin - DORDOGNE 120 SANDALS - mytheresa.com GmbH" title= 
"Christian Louboutin - DORDOGNE 120 SANDALS - mytheresa.com GmbH" /> <span class= 
"availability"><strong>available sizes</strong><br /></span></a> 

<div style="margin-left: 2em" class="available-sizes"> 
<h2 class="designer-name">Christian Louboutin</h2> 

<div class="product-buttons"> 
    <div class="product-button"> 
    NEW ARRIVAL 
    </div> 

    <div class="clearer"></div> 
</div> 

<h3 class="product-name"><a href= 
"http://www.mytheresa.com/us_en/dordogne-120-sandals.html" title= 
"DORDOGNE 120 SANDALS">DORDOGNE 120 SANDALS</a></h3> 

<div class="price-box"> 
    <span class="regular-price" id="product-price-114114"><span class= 
    "price">$805.00</span></span> 
</div> 

내가 연속으로 여러 일치 구문 분석하려고하면, 그것은 잘 또한 작동하지만 (내가 가진 동등한 권한 se this)

http://www.mytheresa.com/us_en/new-arrivals/what-s-new-this-week-1.html?limit=12 

정규식이 실패합니다 (실제로 500 오류가 발생 함).

ini_set('pcre.backtrack_limit',100000000); 
ini_set('pcre.recursion_limit',100000000); 

을 사용하여 역 추적 제한을 늘리려고했지만 문제가 해결되지 않습니다. PHP가 올바른 것으로 보이고 관련 페이지에서 일치하는 코드가 나오면 정규 표현식이 실패하는 원인이 무엇인지 궁금합니다. 그것과 함께 비웃는 것은 부정적인 lookaheads (페이지 길이와 함께)가 문제를 일으키는 것을 제안하는 것처럼 보이지만, 나는 그들을 어떻게 망쳤는지 잘 모르겠습니다. PHP 5.2.17을 실행하고 있습니다.

Answer 1

당신은 고전적인 실수 중 하나를 만들었습니다! 정규식을 사용하여 HTML을 구문 분석하지 마십시오! 그것은 정규 표현식을 깨뜨린다! (이것은 "아시아에서의 육상 전쟁에 절대 개입하지 마라."와 "죽음이 줄에 서있을 때 결코 시칠리아에 반대하지 마라."). 당신이 구문 분석하는 SimpleXML이 나있는 DOMDocument를 사용한다

:

$dom = new DomDocument(); 
$dom->loadHTML('http://www.mytheresa.com/us_en/new-arrivals/'. 
       'what-s-new-this-week-1.html?limit=12'); 

$path = new DomXPath($dom); 
// this query is based on the link you provided, not your regex 
$nodes = $path->evaluate('//ul[class="products-grid first odd"]/li'); 
foreach($nodes as $node) 
{ 
    // children 0 = anchor tag you're looking for initially. 
    echo $node->children[0]->getAttribute("href"); 
    // iterate through the other children that way 
} 

Answer 2

그 부정적인 lookaheads는 영리하다,하지만 ... 약간 너무 영리.

그리고 동의하면 이 너무 많아서, 부작용이없는 것으로 나타났습니다.

지금 당장 어떤 게임이 실행되고 있는지 알 수는 없지만 그걸 반복해서 넣어보세요. 탐욕은 항상입니다. ... 당신이 그것을

title="(?<title>.*?)"> 

를 작성했습니다 수 있기

title=" 
(?<title>((?!">).) 

그것 같이 더 많은 것있다 :

예를 들어이 하나, 확실히 할 필요가 없습니다. 나는 그들을 모두 바꿀거야. 일반적으로

는 정규식 디버깅 당신이 균형 mantainability 기능 사이 을 찾을 때까지 다른 구조를 사용하여, 다른 표현하고 다시하고 다시 다시 문구를 수정을 의미한다.

: <a\s 대신 <a\s+을 사용 하겠지만 조금 더 유연합니다.
약간 유연하게 지불하십시오.

또한 : title=이 콘텐츠를 사용할 수있는 권한이 title\s*=\s*