匹配html属性和php中的正则表达式

问题描述

| 我正在尝试创建一个表达式，该表达式将搜索类似于how2bypass.co.cc的页面，并返回\“ form \”标记中\“ action \”属性的内容以及\“ name的内容任何输入标签中的\“和\” type \“属性。我无法使用html解析器，因为我的最终目标是自动检测给定的页面是否是Web代理，一旦网站被我发现，他们可能会开始做一些愚蠢的事情，例如用javascript编写整个文档，以阻止我对其进行解析。 我正在使用代码

    preg_match_all(\'/<form.*action\\=\"(.*?)\".*>[^<]*<input.*type\\=/i\',$pageContents,$inputMatches);

哪个对action属性有效，但是一旦我在type \\ =之后加上\“，代码就会停止工作。这为什么？它可以工作一次，但不能工作两次？     

解决方法

        正则表达式很贪心... 如果检查页面源，则以下内容可能会匹配第一个ѭ1和最后一个ѭ2，并捕获它们之间的所有内容。

`<input.*type\\=`

您将无法使用当前表达式捕获表单和所有输入，因为并非每个输入都以表单标记为前缀。您需要采用以下方法之一进行处理： 捕获整个表单标记

<form>...</form>

，然后捕获一个正则表达式以匹配捕获中的所有输入 将您的当前表达式调整为非贪心

.*?

，并允许多次捕获输入标记。     ,        在没有看到要提取的目标页面的情况下，只有几件事需要猜测：

type=

属性可能没有双引号，因为

type=text

也有效。或者它可能带有单引号，或者在ѭ8周围有一些空格。 如果标记之间或标记内有换行符，则“ 9”占位符可能会失败。建议使用“ 10”正则表达式标志。 而且通常使用否定的字符类，例如

[^<>]*

或

[^\"]

而不是

.*

更为可靠。 您无需逃脱ѭ14等号。 也许您应该将其拆分。使用一个正则表达式提取

<form>..</form>

块。然后在其中搜索

<input>

标签。