regex e php

[blackskyisback]

Salve a tutti

ho un problema con questo codice php che dovrebbe estrarre del testo tramite regex

sul sito funziona l'estrazione

https://regex101.com/r/aq3NW2/1

ma mi trovo in difficolta' qui

preg_match_all("#href="/out/website[^"]+">(.*?)</a>#" 

?php  

        $haystack2 = $row->websites;
        
        preg_match_all("#href="/out/website[^"]+">(.*?)</a>#", $haystack2, $matches2); 
        $data2 = $matches2[1];
        $data2 = array_filter(array_unique(array_map('trim', $data2)));
        natsort($data2); 
        echo '<b>' . join(', ' , $data2 ) . '</b>';
    echo "<br>\n";
    echo '<font color="blue">' . '<b>' . count( $data2 ) . '</b>' . '</font>' . " web were found."; 
        
?> 

[GraphOGLRisorse]

Salve,
ci sono dei problemi con gli apici. Manca quello di chiusura e ci sono solo doppi apici.

Così è a posto:

preg_match_all('/#href=\"/out/website[^"]+\">(.*?)</a>#\/', $haystack2, $matches2); 

Cordiali saluti.

[blackskyisback]

Salve,
ci sono dei problemi con gli apici. Manca quello di chiusura e ci sono solo doppi apici.

Così è a posto:

preg_match_all('/#href=\"/out/website[^"]+\">(.*?)</a>#\/', $haystack2, $matches2); 

Cordiali saluti.

sembra che ancora qualcosa non funziona, ricevo moltissimi errori

$haystack2 = $row->websites; 
        
preg_match_all('/#href=\"/out/website[^"]+\">(.*?)</a>#\/', $haystack2, $matches2);
$data2 = $matches2[1];
$data2 = array_filter(array_unique(array_map('trim', $data2)));
natsort($data2); 
echo '<b>' . join(', ' , $data2 ) . '</b>';
echo "<br>\n";
echo '<font color="blue">' . '<b>' . count( $data2 ) . '</b>' . '</font>' . " web were found."; 

[GraphOGLRisorse]

Mi scuso, distrattamente avevo per abitutdine messo in apertura e chiusura il / quando c'era già il # che è quvialente.

Ho corrretto:

preg_match_all('#href=\"/out/website[^"]+\">(.*?)</a>#', $haystack2, $matches2); 

Cordiali saluti.

[darbula]

Una stringa php racchiusa da apici singoli, usa il backslash per se stessa o per blackslash.

preg_match_all('#href="/out/website[^"]+">(.*?)</a>#',$haystack2, $matches2); 

Quello racchiuso tra parentesi tonda è il risultato di $matches2[1]. In sintesi se non vuoi trovare più occorrenze ma semplicemente una. Usa preg_match al posto di preg_match_all.
Mentre per user avanzato Sequenza escape regex

[blackskyisback]

perfetto, funziona , Grazie GraphOGLRisorse

riesci a risolvere anche questo? il codice e' simile, solo che utilizza la funzione explode,


i valori selezionabili sono in <span class = 'descr'> </span>
le righe sono separate da virgole, ma può succedere che non ci sia


esempio

<span class='descr'>test, test2, test3</span>

<span class='descr'>test</span>

<span class='descr'>test4 test5</span>

<?php
        
          
            $haystack3 = $row->websites;  
 
            preg_match("#<span class='descr'>(.*?)</span>#", $haystack3, $matches3);
            $data3 = explode(',', $matches3[1]);
            $data3 = array_filter(array_unique(array_map('trim', $data3)));
            natsort($data3);  
            echo '<b>' . join(', ' , $data3 ) . '</b>';
            echo "<br>\n";
            echo '<font color="blue">' . '<b>' . count( $data3 ) . '</b>' . '</font>' . " tags were found.";  
        
 
        ?>

il risultato e'
test
test 2
test 3

mancano test 4 e test 5, penso che il problema risiede in explode, il deliminatore tiene conto della virgola e non dello spazio

[darbula]

Fai var_dump(urlencode($matches3[1])); non credo la regex va oltre la nuova riga.

[blackskyisback]

Fai var_dump(urlencode($matches3[1])); non credo la regex va oltre la nuova riga.

ecco il risultato

[blackskyisback]

qui funziona, pero' ho dovuto cambiare il deliminatore

https://regex101.com/r/s9JUHN/1/

[darbula]

A destra ti indica che stai usando il modificatore, m (pcre_multiline) e g (pcre_global) quest'ultimo non permesso in php (o meglio non è chiaro nella documentazione ma potrebbe essere onnipresente nella funzione preg_match_all). Aggiungi m dopo i delimitatori della tua regex php

[blackskyisback]

Cosi?

preg_match("#<span class='descr'>(.*?)</span>#m", $haystack3, $matches3); 

perche' se e' cosi non e' cambiato nulla

[darbula]

Prova in questo modo

preg_match('#^<span class=\'descr\'>(.*?)</span>$#m', $haystack3, $matches3); 

Mostra l'output con var_dump(urlencode($matches3[1]));

[blackskyisback]

Prova in questo modo

preg_match('#^<span class=\'descr\'>(.*?)</span>$#m', $haystack3, $matches3); 

Mostra l'output con var_dump(urlencode($matches3[1]));

niente, adesso e' peggiorato

[blackskyisback]

mi e' venuta una idea, dato che l'errore e' presente in </span> forse si puo' ovviare facendo terminare il regex con <
che ne pensi?

[blackskyisback]

cosi va sul sito, ma in php adesso come fare?

/ An unescaped delimiter must be escaped with a backslash (\)

/ Un delimitatore senza caratteri di escape deve essere preceduto da una barra rovesciata (\)

https://regex101.com/r/24kc9I/1/

[darbula]

Sul sito il testo lo inserisci tu, comunque vedi qui che funziona preg_match_all (preg_match per la prima occorrenza).
https://3v4l.org/JdIAk
Probabilmente il testo del tuo database non è racchiuso tra <span class='descr'></span>

[blackskyisback]

io utilizzo PHP 5.6, il tuo esempio e con il 7,comunque adattando con il tuo codice ricevo errori

<?php
        
          
            $haystack3 = $row->websites;  
 
            preg_match_all('#^<span class=\'descr\'>(.*?)</span>$#m', $haystack3, $matches3);
            $data3 = explode(',', $matches3[1]);
            $data3 = array_filter(array_unique(array_map('trim', $data3)));
            natsort($data3);  
            echo '<b>' . join(', ' , $data3 ) . '</b>';
            echo "<br>\n";
            echo '<font color="blue">' . '<b>' . count( $data3 ) . '</b>' . '</font>' . " tags were found." . '<br>';  
         
         
         var_dump(urlencode($matches3[1])); 
  
        ?>

Warning: explode() expects parameter 2 to be string, array given in E:\OpenServer\domains\cinema\parsing\parsing_view2 .php on line 202

Warning: array_map(): Argument #2 should be an array in E:\OpenServer\domains\cinema\parsing\parsing_view2 .php on line 203

Warning: array_unique() expects parameter 1 to be array, null given in E:\OpenServer\domains\cinema\parsing\parsing_view2 .php on line 203

Warning: array_filter() expects parameter 1 to be array, null given in E:\OpenServer\domains\cinema\parsing\parsing_view2 .php on line 203

Warning: natsort() expects parameter 1 to be array, null given in E:\OpenServer\domains\cinema\parsing\parsing_view2 .php on line 204

Warning: join(): Invalid arguments passed in E:\OpenServer\domains\cinema\parsing\parsing_view2 .php on line 205

0 tags were found.

Warning: urlencode() expects parameter 1 to be string, array given in E:\OpenServer\domains\cinema\parsing\parsing_view2 .php on line 210
NULL

o anche cambiato il parametro 2 su $matches3[1]), niente errori, ma il risultato e' nullo

ecco la pagina estratta, come vedi il testo e' racchiuso tra <span class='descr'> e </span>

<li class="mt-1 mt-md-0">
<a target="_blank" class="websiteLink" rel="nofollow noopener" href="/out/website/6394-network1.com/">web 1</a>
<a title="website /sets overview" class="internalWebsiteLink" href="/websites/6394/network1.com/">i</a>
<span> <span class='alias'>Alex</span> <span class='descr'>test, test2, test3</span></span>
<a class="editLogo" title="edit" id="id8f9" href="#">✎</a>
<div id="id905" style="display:none">
<div id="id906" hidden="" data-wicket-placeholder=""></div>
</div>
</li>
<li class="mt-1 mt-md-0">
<a target="_blank" class="websiteLink" rel="nofollow noopener" href="/out/website/2488-network2.com/">web 2</a>
<a title="website /sets overview" class="internalWebsiteLink" href="/websites/2488/network2.com/">i</a>
<span> <span class='alias'>Alex 2</span> <span class='descr'>test, test2, test3, test4</span></span>
<a class="editLogo" title="edit" id="id8fa" href="#">✎</a>
<div id="id907" style="display:none">
<div id="id908" hidden="" data-wicket-placeholder=""></div>
</div>
</li>
<li class="mt-1 mt-md-0">
<a target="_blank" class="websiteLink" rel="nofollow noopener" href="/out/website/2489-network3.com/">web 3</a>
<a title="website /sets overview" class="internalWebsiteLink" href="/websites/2488/network3.com/">i</a>
<span> <span class='alias'>Alex 3</span> <span class='descr'>test</span></span>
<a class="editLogo" title="edit" id="id8fa" href="#">✎</a>
<div id="id907" style="display:none">
<div id="id908" hidden="" data-wicket-placeholder=""></div>
</div>
</li>
</li>
<li class="mt-1 mt-md-0">
<a target="_blank" class="websiteLink" rel="nofollow noopener" href="/out/website/2490-network4.com/">web 3</a>
<a title="website /sets overview" class="internalWebsiteLink" href="/websites/2488/network4.com/">i</a>
<span> <span class='alias'>Alex 4</span> <span class='descr'>test4 test5</span></span>
<a class="editLogo" title="edit" id="id8fa" href="#">✎</a>
<div id="id907" style="display:none">
<div id="id908" hidden="" data-wicket-placeholder=""></div>
</div>
</li>

mistero

[darbula]

Aspetta il codice va modificato, prima $matches3[1] era stringa, mentre con preg_match_all è array.
Per adesso non ho tempo scusami, più che altro è necessario che trova tutte le occorrenze array $matches3[1] poi si modifica il codice.

[blackskyisback]

https://3v4l.org/A91Yj#v5.6.0

[blackskyisback]

ok darbula, quando hai tempo, naturalmente sono accettate soluzioni da altri guru di questo forum

[darbula]

Ciao qualcosa di semplice potrebbe essere questo https://3v4l.org/u74H2 ho convertito in stringa.

[blackskyisback]

stranamente non funziona

<?php

$haystack4 = $row->websites;  
preg_match_all('#^<span class=\'descr\'>(.*?)</span>$#m', $haystack4, $matches4);
var_dump(implode(',', str_replace(array(', ', ' '), ',', $matches4[1])));

?>

inoltre ci sarebbe il discorso dei duplicati,

quindi siamo al punto di partenza

[darbula]

Beh programmare significa anche debug del proprio codice, io l'ho tradotto in stringa poi giustamente per i duplicati dovrai usare il resto del codice (cioè $data e il resto, ciò che segue dopo la funzione preg_match) che usavi in precedenza.
Però il punto in questione è se la regex fallisce, se si perché? Cosa ti stampa var_dump($matches4);

[blackskyisback]

ecco il risultato

[darbula]

La regex non ottiene corrispondenza, se sono pochi dati fai var_dump(urlencode($haystack4));

[blackskyisback]

ecco l'altro risultato con urlencode

string(0) ""
string(3436) "%3Cdiv+id%3D%22model-websites-box%22%3E%0D%0A%3Cdiv+id%3D%22id904%22%3E%0D%0A%3C div+class%3D%22box-title%22%3EWebsites%3C%2Fdiv%3E%0D%0A%3Cdiv+class% 3D%22box-body%22%3E%0D%0A%3Cul+style%3D%22margin%3A+0%3B+pa dding%3A+0%3B+list-style-type%3A+none%22%3E%0D%0A%3Cli+class%3D%22mt-1+mt-md-0%22%3E%0D%0A%3Ca+target%3D%22_blank%22+class%3D%2 2websiteLink%22+rel%3D%22nofollow+noopener%22+href %3D%22%2Fout%2Fwebsite%2F6394-network1.com%2F%22%3Eweb+1%3C%2Fa%3E%0D%0A%3Ca+tit le%3D%22website+%2Fsets+overview%22+class%3D%22int ernalWebsiteLink%22+href%3D%22%2Fwebsites%2F6394%2 Fnetwork1.com%2F%22%3Ei%3C%2Fa%3E%0D%0A%3Cspan%3E+ %3Cspan+class%3D%27alias%27%3EAlex%3C%2Fspan%3E+%3 Cspan+class%3D%27descr%27%3Etest%2C+test2%2C+test3 %3C%2Fspan%3E%3C%2Fspan%3E%0D%0A%3Ca+class%3D%22ed itLogo%22+title%3D%22edit%22+id%3D%22id8f9%22+href %3D%22%23%22%3E%26%239998%3B%3C%2Fa%3E%0D%0A%3Cdiv +id%3D%22id905%22+style%3D%22display%3Anone%22%3E% 0D%0A%3Cdiv+id%3D%22id906%22+hidden%3D%22%22+data-wicket-placeholder%3D%22%22%3E%3C%2Fdiv%3E%0D%0A%3C%2Fdiv %3E%0D%0A%3C%2Fli%3E%0D%0A%3Cli+class%3D%22mt-1+mt-md-0%22%3E%0D%0A%3Ca+target

continua il codice ...............................................

[darbula]

Ok sembra non riconosca il testo se ci sono caratteri attorno il pattern della regex che hai creato.
crea un file perché la visualizzazione html del tuo browser sta spezzando il codice html.
error_log(urlencode($haystack4), 3, '/membri/blackskyisback/span_file.txt');
aggiungendo .* dopo ^ e prima $ dovrebbe comunque riconoscere. Vorrei vedere l'output dal copia incolla del file txt (dovrai usare block notes o altri editor per leggerlo).

[blackskyisback]

Ok sembra non riconosca il testo se ci sono caratteri attorno il pattern della regex che hai creato.
crea un file perché la visualizzazione html del tuo browser sta spezzando il codice html.
error_log(ulrencode($haystack4), 3, '/membri/blackskyisback/span_file.txt');
aggiungendo .* dopo ^ e $ dovrebbe comunque riconoscere. Vorrei vedere l'output dal copia incolla del file txt (dovrai usare block notes o altri editor per leggerlo).

non penso di aver capito bene

intendi cosi?

     <?php

$haystack4 = $row->websites;  
preg_match_all('#^.*<span class=\'descr\'>(.*?)</span>$.*#m', $haystack4, $matches4);
var_dump(implode(',', str_replace(array(', ', ' '), ',', $matches4[1])));

error_log(ulrencode($haystack4), 3, '/members/cinema/span_file.txt');

?>

[darbula]

<?php
        
          
            $haystack3 = $row->websites;  
 
            preg_match_all('#^.*<span class=\'descr\'>(.*?)</span>.*$#m', $haystack3, $matches3);
            $data = implode(',', str_replace(array(', ', ' '), ',', $matches3[1]));
            $data3 = explode(',', $data);
            $data3 = array_filter(array_unique(array_map('trim', $data3)));
            natsort($data3);  
            echo '<b>' . join(', ' , $data3 ) . '</b>';
            echo "<br>\n";
            echo '<font color="blue">' . '<b>' . count( $data3 ) . '</b>' . '</font>' . " tags were found." . '<br>';  
         
         
         var_dump(urlencode($matches3[1])); 
  
        ?>

[blackskyisback]

finalmente , sembra che funziona, solo questo errore su var_dump

Warning: urlencode() expects parameter 1 to be string, array given in E:\OpenServer\domains\cinema\parsing\parsing_view2 .php on line 256

mi sfugge questo passaggio , prima implode e poi explode

$data = implode(',', str_replace(array(', ', ' '), ',', $matches3[1]));
            $data3 = explode(',', $data); 

GRAZIE TANTE darbula, sei stato molto gentile (e paziente) ad aiutarmi

ringrazio anche GraphOGLRisorse