从 HTML 字符串中获取 <span> 包含非零美元金额的文本

Question

我的测试中有以下数据：

>0 Dollar</span
>0.01 Dollar</span
>0.00 Dollar</span 
>50.00 Dollar</span

我的愿望：

我想保留不是

0.00 Dollar

和

0 Dollar

的美元金额。

我正在使用的代码

$str = $table['contents'];
$pattern = "/(Need help here)/";    
$a = preg_match_all($pattern, $str, $matches);
print_r($matches);

输出应该是一个数组，其值为

0.01 Dollar

和

50.00 Dollar

。

Answer 1

您可以利用 DOMDocument 和 DOMXPath 并在 xpath 查询中使用 preg_match 作为 PhpFunction。

在示例中，我使用了

//span

它将获取所有范围，但您可以使查询更具体地针对您的数据。

$html = <<<HTML
<span>0 Dollar</span>
<span>0.01 Dollar</span>
<span>0.00 Dollar</span>
<span>50.00 Dollar</span>
HTML;

$dom = new DOMDocument;
$dom->loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);

$xp = new DOMXPath($dom);
$xp->registerNamespace("php", "http://php.net/xpath");
$xp->registerPHPFunctions('preg_match');
$pattern = '/\A(?=[0.]*[1-9])\d+(?:\.\d+)?+\h+Dollar\z/';
$spans = $xp->query("//span[php:functionString('preg_match', '$pattern', text())>0]");

foreach ($spans as $span) {
    echo $span->nodeValue . PHP_EOL;
}

输出

0.01 Dollar
50.00 Dollar

查看 PHP 演示

如果您只想使用正则表达式，则可以匹配前导

并断言尾随

。如果前面的代码示例，

\A

和

是断言字符串的开头和结尾的锚点。

>\K(?=[0.]*[1-9])\d+(?:\.\d+)?+\h+Dollar(?=<)

模式匹配：

```
>
```
按字面意思匹配
```
\K
```
忘记到目前为止匹配了什么
```
(?=[0.]*[1-9])
```
正向前瞻，断言至少一个数字 1-9，前面有可选的零或点
```
\d+(?:\.\d+)?+
```
将 1+ 位数字与可选的小数部分匹配
```
\h+Dollar
```
```
(?=<)
```
正向前瞻，断言
```
<
```
向右

正则表达式演示 | Php 演示

例如：

$data = <<<DATA
>0 Dollar</span
>0.01 Dollar</span
>0.00 Dollar</span 
>50.00 Dollar</span
DATA;
$regex = '/>\K(?=[0.]*[1-9])\d+(?:\.\d+)?+\h+Dollar(?=<)/';
preg_match_all($regex, $data, $matches);
var_export($matches[0]);

输出

array (
  0 => '0.01 Dollar',
  1 => '50.00 Dollar',
)

Answer 2

您想使用 Lookaround，特别是负向前瞻。

$pattern = '#\>((?!0\.00)[0-9\.]+\s+Dollar)\<#';
$a = preg_match_all($pattern, $str, $matches);
print_r($matches);

输出：

Array
(
    [0] => Array
        (
            [0] => >0.01 Dollar<
            [1] => >50.00 Dollar<
        )

    [1] => Array
        (
            [0] => 0.01 Dollar
            [1] => 50.00 Dollar
        )

)

Answer 3

我认为没有令人信服的理由来实施正则表达式技术。我发现使用 DOMDocument 解析 HTML 并使用

sscanf()

解析节点值是隔离所查找值的清晰简洁的方法。如果您更适合将实际金额转换为浮点值，

sscanf()

通过

%f

占位符提供直接方法。

代码：（演示）

$html = <<<HTML
<span>0 Dollar</span>
<span>0.01 Dollar</span>
<span>0.00 Dollar</span>
<span>50.00 Dollar</span>
HTML;

$dom = new DOMDocument();
$dom->loadHTML($html);
$texts = [];
$floats = [];
foreach ($dom->getElementsByTagName('span') as $span) {
    if (sscanf($span->nodeValue, '%f Dollar', $amt) && $amt) {
        $texts[] = $span->nodeValue;
        $floats[] = $amt;
    }
}
var_dump($texts, $floats);

输出：

array(2) {
  [0]=>
  string(11) "0.01 Dollar"
  [1]=>
  string(12) "50.00 Dollar"
}
array(2) {
  [0]=>
  float(0.01)
  [1]=>
  float(50)
}

从 HTML 字符串中获取 <span> 包含非零美元金额的文本

问题描述投票：0回答：3

3个回答

最新问题

从 HTML 字符串中获取 <span> 包含非零美元金额的文本

问题描述 投票：0回答：3

3个回答

最新问题

问题描述投票：0回答：3