Вырезать все между &lt;body ...&gt;...&lt;/body&gt;

355

01 сентября 2007 года

<SCORP>

786 / / 21.10.2006

Код:

<?php

    $src = "<html> asdsad ad <body color=\"blue\">asdldkf<h1>sdddd</h1>ader</body></html> asd<body>asd</body>";

    echo preg_match("/<body.*?>(.*?)<\/body>/", $src, $match);

    print_r($match);

?>

2.0K

01 сентября 2007 года

90 / / 27.06.2006

[QUOTE=<SCORP>;209145]

Код:

<?php

    $src = "<html> asdsad ad <body color=\"blue\">asdldkf<h1>sdddd</h1>ader</body></html> asd<body>asd</body>";

    echo preg_match("/<body.*?>(.*?)<\/body>/", $src, $match);

    print_r($match);

?>

[/QUOTE]
этот не пашет, т.к. <body> у меня идет с параметрами :
<body bgcolor="#FFFFFF" text="#000000" onLoad="document.form1.java.value=1;">

353

01 сентября 2007 года

Nixus

840 / / 04.01.2007

Вообще-то пашет. Может проблема не в открывающемся <body> ?
А вообще правильнее писать так:

Код:

<?php
$src = "...";
$res = preg_replace("/^.*?<body(\s[^>]*>|>)/", '', $src);
$res = preg_replace("/(.*)<\/body(\s|>).*$/", '$1', $res);
echo $res;
?>

или так:

Код:

<?php
$src = "...";
$res = preg_replace("/^.*?<body(\s[^>]*>|>)/", '', $src);
$res = preg_replace("/(.*?)<\/body(\s|>).*$/", '$1', $res);
echo $res;
?>

в зависимости от конкретности задачи.

1 спам

2.0K

01 сентября 2007 года

90 / / 27.06.2006

Цитата: Nixus

Вообще-то пашет. Может проблема не в открывающемся <body> ?
А вообще правильнее писать так:

Код:

<?php
$src = "...";
$res = preg_replace("/^.*?<body(\s[^>]*>|>)/", '', $src);
$res = preg_replace("/(.*)<\/body(\s|>).*$/", '$1', $res);
echo $res;
?>

или так:

Код:

<?php
$src = "...";
$res = preg_replace("/^.*?<body(\s[^>]*>|>)/", '', $src);
$res = preg_replace("/(.*?)<\/body(\s|>).*$/", '$1', $res);
echo $res;
?>

в зависимости от конкретности задачи.

ни 1-е ни 2-е не пашут. если подставить мой хтмл-код, то результатом является повторение сорца, т.е. :
<html>
......
</html>
<html>
.....
</html>

353

01 сентября 2007 года

Nixus

840 / / 04.01.2007

Что у тебя за код? И что за версия PHP?

2.0K

01 сентября 2007 года

90 / / 27.06.2006

Цитата: Nixus

Что у тебя за код? И что за версия PHP?

Код :

Свернуть исходник

Код:

$original_html = '<html>

<head>

<title>Some title</title>

<meta name="description" content="descss,sd fsdfs ,df f">

<meta http-equiv="Content-Type" content="text/html; charset=windows-1251">

<meta http-equiv="Pragma" content="no-cache">

<meta name="keywords" content="some text, @sdff, Some">

<link rel="stylesheet" href="/main.css" type="text/css">

<style type="text/css">body {

    margin-left: 0px;

    margin-top: 0px;

    margin-right: 0px;

    margin-bottom: 0px;

}

</style></head>

<body bgcolor="#FFFFFF" text="#000000" &#111;&#110;Load="document.form1.java.value=1;">

<div align="center">

  <table width="100%" border="0" cellspacing="0" cellpadding="0">

  <tr>

    <td width="0%" height="85" align="right"><p><img src="/images/logo.gif" width="130" height="75" border="0" alt="Some" /></p></td>

    <td width="100%"><table width="100%" border="0" cellspacing="0" cellpadding="0">

      <tr>

        <td width="100%" height="65" align="center" valign="top">

    <p>sdf  

    </p>

    </td>

        <td width="0%" valign="top"><p><img src="/images/x.gif" width="60" height="1" /></p>

</body>

</html>';
$res = preg_replace("/^.*?<body(\s[^>]*>|>)/", '', $original_html);
$res = preg_replace("/(.*?)<\/body(\s|>).*$/", '$1', $res);
echo $res;

PHP 5.2.3

353

01 сентября 2007 года

Nixus

840 / / 04.01.2007

Косяк за мной. Забыл si в конце РВ.

Код:

$res = preg_replace("/^.*?<body(\s[^>]*>|>)/si", '', $original_html); 
$res = preg_replace("/(.*?)<\/body(\s|>).*$/si", '$1', $res); 
echo $res;

2.0K

01 сентября 2007 года

90 / / 27.06.2006

Цитата: Nixus

Косяк за мной. Забыл si в конце РВ.

Код:

$res = preg_replace("/^.*?<body(\s[^>]*>|>)/si", '', $original_html); 
$res = preg_replace("/(.*?)<\/body(\s|>).*$/si", '$1', $res); 
echo $res;

о! работает. пасиб большое. :)

02 сентября 2007 года

alekciy

3.0K / / 13.12.2005

Ну как большой любитель cтека XML не могу остаться в стороне, тем более было любопытно выяснить на сколько DOM медленее регулярок (поднимали такой вопрос на форуме).

Для данной задачи очень бы пошло свойство innerHTML из JavaScript, но к сожелению в PHP минимальный уровень DOM соотвествует Level 3, а innerHTML из Level 0. (для тех кто не знает уровни деления читать тут: DOM ). Но руки есть, голова тоже поэтому пишу расширение.
Листинг файла DOMDocumentL0.php:

Свернуть исходник

Код:

<?php
/*

    Класс DOMDocumentL0 призван расширить методы к.DOMDocument (API DOM Level 3)

    до уровня DOM Level 0. Предназначен для работы с HTML и XML документами.

    Может использоваться для частичного преобразования HTML->XHTML: закрывает

    все открытие теги у которых нет конечного тега (p, li и др.), переводит

    имена тегов и атрибутов в нижний регистр, значения всех атрибутов заключаются

    в двойные кавычки.

    @category   DOM

    @version    0.2

    @author 'Sundukov Alexey' <public-mail@alekciy.ru>

    @copyright  Copyright (c) 2007 alekciy (http://alekciy.ru)

*/
class DOMDocumentL0 extends DOMDocument
{

    //XPath объект созданный для загружаемого документа

    public $XPath = null;

    public function loadHTML($str_HTML)

    {

        /*

        Метод расширяет DOMDocument->loadHTML автоматически создавая XPath объект.

        bool loadHTML (str $str_HTML)

        $str_HTML - строка с HTML кодом.

        */

        if(parent::loadHTML($str_HTML))

        {

            $this->XPath = new DOMXPath($this);

            return true;

        }

        else

        {

            return false;

        };

    }

    public function loadHTMLFile($str_fileHTML)

    {

        /*

        Метод расширяет DOMDocument->loadHTMLFile автоматически создавая XPath объект.

        bool loadHTML (str $str_fileHTML)

        $str_fileHTML - путь до файла с HTML кодом.

        */

        if(parent::loadHTMLFile($str_HTML))

        {

            $this->XPath = new DOMXPath($this);

            return true;

        }

        else

        {

            return false;

        };

    }

    public function loadXML($str_XML)

    {

        /*

        Метод расширяет DOMDocument->loadXML автоматически создавая XPath объект.

        bool loadXML (str $str_XML)

        $str_XML - строка с XML кодом.

        */

        if(parent::loadXML($str_XML))

        {

            $this->XPath = new DOMXPath($this);

            return true;

        }

        else

        {

            return false;

        };

    }

    private function drawHTML($element, $add_self = false)

    {

        /*

        Для объекта $element получить HTML код содержащийся в нем.

        str drawHTML(obj $element[, bln $add_self])

        $element - объект типа DOMNode;

        $add_self - добавить ли сам элемент в возращаемое значение.

        */

        $content = '';

        switch ($element->nodeType)

        {

            case 1:

                $tag_name = $element->nodeName;

                if ($element->hasAttributes())

                {

                    $attributes = '';

                    $DOMNodeList = $this->XPath->query('./attribute::*',$element);

                    foreach ($DOMNodeList as $DOMAttr)

                    {

                        $attributes .= ' '.$DOMAttr->name.'="'.$DOMAttr->value.'"';

                    };

                }

                else

                {

                    $attributes = '';

                };

                if ($element->hasChildNodes())

                {

                    $childNodes = $element->childNodes;

                    foreach ($childNodes as $val)

                    {

                        $content .= $this->drawHTML($val,true);

                    };

                }

                else

                {

                    $content = $element->textContent;

                };

                if ($add_self)

                {

                    if ($content == '')

                    {

                        return "<{$tag_name}{$attributes} />";

                    }

                    else

                    {

                        return "<{$tag_name}{$attributes}>{$content}</{$tag_name}>";

                    };

                }

                else

                {

                    return $content;

                };

            break;

            case 2:

                return null;

            break;

            case 3:

                return $content = $element->textContent;

            break;

            case 4:

                return null;

            break;

            case 5:

                return null;

            break;

            case 6:

                return null;

            break;

            case 7:

                return "<?{$element->target} {$element->data}>" ;

            break;

            case 8:

                return '<!--'.$content = $element->textContent.'-->';

            break;

            case 9:

                return null;

            break;

            case 10:

                return "<!DOCTYPE {$element->name} PUBLIC \"{$element->publicId}\" \"{$element->systemId}\">";

            break;

            case 11:

                return null;

            break;

            case 12:

                return null;

            break;

            case 13:

                if ($element->hasChildNodes())

                {

                    $DOMNodeList = $element->childNodes;

                    $type = array(1 => array(), 7 => array(), 10 => array());

                    foreach ($DOMNodeList as $Node)

                    {

                        $type[$Node->nodeType][] = $Node;

                    };

                    foreach ($type[7] as $val)

                    {

                        $content .= $this->drawHTML($val);

                    };

                    foreach ($type[10] as $val)

                    {

                        $content .= $this->drawHTML($val);

                    };

                    foreach ($type[1] as $val)

                    {

                        $content .= $this->drawHTML($val,true);

                    };

                    return $content;

                };

            break;

            case 14:

                return null;

            break;

            case 15:

                return null;

            break;

            case 16:

                return null;

            break;

            case 17:

                return null;

            break;

            case 18:

                return null;

            break;

        };

        return true;

    }

    public function innerHTML($element, $add_self = false)

    {

        /*

        Содержимое тега в виде HTML кода.

        str innerHTML(obj $element[, bln $add_self])

        $element - объект типа DOMNode для которого нужно получить код;

        $add_self - добавить ли сам элемент в возращаемое значение.

        */

        if ($element->nodeType == null) {return null;};

        return $this->drawHTML($element, $add_self);

    }
};

Теперь как воспользоваться классом:

Код:

<?php
include_once('DOMDocumentL0.php');
$doc = new DOMDocumentL0();
$doc->loadHTML($original_html);
$bode = $doc->XPath->query('/html/body')->item(0);
echo $doc->innerHTML($bode);

Результаты: Я провел ряд тестов. Делась группа тестов, в одно группе производилось 60 запросов к скрипту в течении одной минуты. Для исключения случаных фактов запросы к скрипта по методу DOM и методу регулярной делались одновременно. Результат этих 60 запросов усреднялся. Я сделал 3 группы (180 запросов) и получается так, что в данной ситуации регулярки работают быстрее в ~10 раз быстрее. Если регулярка справляется с задачей порядка 0,5 мсек, то через DOM ~5 мсек.

Поэтому если для некоего проекта эти микросекунды критичны, то выбор однозначно в сторону регулярок. Если же нужна гибкость, то я бы предпочел DOM. Потому что можно использовать XPath выражения, что по написанию гораздо понятнее чем регулярки (к примеру если у элемента в дереве есть id=id_element, то получить его содержимое в виде HTML можно будет просто query('id("id_element")')). Кроме того через DOM можно получить из HTML->XHTML ибо он закроет все теги, приведет имена в нижний регистр.

07 октября 2007 года

alekciy

3.0K / / 13.12.2005

В свете вот этой темы: http://forum.codenet.ru/showthread.php?p=214136 немного дописал класс. Теперь можно использовать и с XML.