Форум Регулярные Выражения

в очередной раз я не смог справиться с рег.выражениями и прошу вашей помощи

есть табличка:

<tr style='height: 20px;'> <td class=row2r><b>1. <td class=row2l style='padding-left: 2px;'><a class=mnu href='player.php?num=279480'>Егор Сабитов</a> <span><a href='nation.php?num=23911'><img border=0 src='pics/pl.gif' title='Игрок' width=14 height=14 style='position: relative; top: 2px;'></a></span> <td class=row><img src="cntr/sb.gif" title="Сборная" width=20 height=14> <td class=row2>AM <td class=row2>18 <td class=row2>59 <td class=row2>3 <td class=row2>&nbsp;    <td class=row2l><a target=_blank href='team.php?num=8276' class=mnu>"Динамо" Сакапа</a> <td class=row2r nowrap style='padding-right: 1px;'><b>13 941</b>K <tr bgcolor='#e0e0e0' style='height: 20px;'> <td class=row2r><b>2. <td class=row2l style='padding-left: 2px;'><a class=mnu href='player.php?num=279401'>Андрей Подольски</a> <span><a href='nation.php?num=23911'><img border=0 src='pics/pl.gif' title='Игрок' width=14 height=14 style='position: relative; top: 2px;'></a></span> <td class=row><img src="cntr/sb.gif" title="Сборная" width=20 height=14> <td class=row2>DM <td class=row2>18 <td class=row2>55 <td class=row2>2 <td class=row2>&nbsp;Л2    <td class=row2l><a target=_blank href='team.php?num=4703' class=mnu>"Подбешкиджи" Белград</a> <td class=row2r nowrap style='padding-right: 1px;'><b>12 733</b>K и т.д.

из нее надо достать
Егор Сабитов AM 18 59 3   "Динамо" Сакапа
Андрей Подольски DM18 55 2  Л2 "Подбешкиджи" Белград
и т.д.
для передачи данных в бд

Попробуй сначала просто strip_tags(), а если что останется, тогда думай.

кроме этой таблице на странице есть еще меню всякие...это конечно вариант...но все же

Чтобы составить паттерн, нужно знать, что убирать, что оставлять. А так получается - пойди туда не знаю куда. Если нужно выдернуть контент из HTML, то это то, что нужно. Только сначала нужно вырезать скрипты:

$cont=preg_replace("#<script[^>]*?>.*?</script>#si", "", $cont);

и стили:

$cont=preg_replace("#<style[^>]*?>.*?</style>#si", "", $cont);

Потом очистить от тегов:

$cont=strip_tags($cont);

и привести в удобоваримую форму:

$cont=preg_replace("#[\r\n]+#", " ", $cont);  $cont=preg_replace("#[\s]+#", " ", $cont);

(получится все в строчку).
Немножко корявенько, но у меня пока работает.
Ну а с меню и прочем, нужно тогда структуру страницы знать, что бы что-то делать.

прикрепил эту страницу

А нужно конкретно ее распарсить или похожие другие есть? И в каком виде данные нужны, отдельно или в строчку?

1. ее и похожие (меняется национальность) - в принцепе если распарсить ее, то с национальностями не должно быть проблем - вот эта строка меняется

<img src="plrz_show.php_files/id страны.gif" title="Название страны" height="14" width="20">

2. а в чем разница? как проще? данные всегда же можно из строки преобразовать в отдельные а из отдельных стелать строку.... мне в принцепе все равно
мне эти данные нужна по отдельности положить в бд...возраст в столбец возроста, имя в столбец имя и т.д.

Проблемы с интернетом, заставил долго ждать. Если конкретно эту страницу, то просто от тегов ее не очистишь, она JS скриптом формируется. Можно вот так снаглеть:

<? $cont=$_POST['text']; $cont=stripslashes($cont); $mass=explode("<b>1.</b>",$cont); $cont=$mass[1]; $mass=explode("<b>No.</b>",$cont); $cont=$mass[0]; $cont=str_replace(">","> ",$cont); $cont=strip_tags($cont); $cont=preg_replace("#[\r\n]+#", "", $cont); $cont=preg_replace("#[\s]+#", " ", $cont); ?> <form action="test.php" method="post"><textarea name='text' cols="100" rows="30"> <? echo $cont; ?> </textarea><input type="submit"></form> ?>

а дальше дели по пробелам, считай и складывай в таблицу. Это случаем не тотализатор?

>Проблемы с интернетом, заставил долго ждать. Если конкретно эту страницу, то просто от >тегов ее не очистишь, она JS скриптом формируется. Можно вот так снаглеть:
разве js формирует??? по-моему phpюююно ваш вариант красивый, забрал)) спасибо

>а дальше дели по пробелам, считай и складывай в таблицу. Это случаем не тотализатор?
по пробелам нельзя)) Там есть города из двух слов и т.п., но выход нашел)) поставил *, там где буду делить)))
не тотализатор, просто игра на тему футбола...а так я буду отслеживать рост игроков конкурентов

>Проблемы с интернетом, заставил долго ждать. Если конкретно эту страницу, то просто от >тегов ее не очистишь, она JS скриптом формируется. Можно вот так снаглеть:
разве js формирует??? по-моему phpюююно ваш вариант красивый, забрал))

>а дальше дели по пробелам, считай и складывай в таблицу. Это случаем не тотализатор?
по пробелам нельзя)) Там есть города из двух слов и т.п., но выход нашел)) поставил *, там где буду делить)))
не тотализатор, просто игра на тему футбола...а так я буду отслеживать рост игроков конкурентов

Вот это вот: document.write('........ означает, что страница "выплевывается" скриптом.
Желаю удачи в игре.

>Вот это вот: document.write('........ означает, что страница "выплевывается" скриптом.
хм...не вижу такой строки:( номер не подскажешь?
>Желаю удачи в игре.
большое спасибо, теперь буду бороться за медали)))

Ищущий, да обрящет...
Вот этот комментарий, и следующий скрипт.
<!--/COUNTER--><!--LiveInternet counter-->

так это счетчики....)))

удалил все строки <script>...</script> - страница отображается полностью

Она не вся скриптом, только меню помоему, сильно не вникал. Но это мешает от тегов чистить.

ну, вообщем заюзал я ваш скрипт, оч полезно и красиво, очень рад, спасибо

Помоему от тегов чистить не обязательно - так будет куда проще! Вот мой вариант решения :
(может вариант и корявый, но у меня сработало на ура =)

<pre> <? $content=file_get_contents("a.htm"); // Страничка $content=content_norm($content); //$content = iconv("utf-8","cpwin-1251",$content);  $content=utf8_win($content); // Регулярка preg_match_all("|player.php.*>.*([А-Яа-я][А-Яа-я\s]+)</a>.*>([0-9]+)</td><td.*>([0-9]+)</td><td.*>([0-9]+)</td><td.*>&nbsp;(.*)</td><td.*<a .*>([А-Яа-я\"\'][А-Яа-я\s\"\'\_\-]+)</a></td>.*</tr>|iSU",$content,$out); unset($out[0]); // Выводим foreach($out[1] as $i=>$v) echo "$v ".$out[2][$i]." ".$out[3][$i]." ".$out[4][$i]." -> ".$out[5][$i]." <- ".$out[6][$i]." \n"; // В 1 строку function content_norm($x) {  $x=preg_replace("#[\r\n]+#", " ", $x);   return preg_replace("#[\s]+#", " ", $x); } // Из УТФ перегоняем в вин function utf8_win ($s){  $out=""; $c1="";  $byte2=false;  for ($c=0;$c<strlen($s);$c++){  $i=ord($s[$c]);  if ($i<=127) $out.=$s[$c];  if ($byte2){  $new_c2=($c1&3)*64+($i&63); $new_c1=($c1>>2)&5;  $new_i=$new_c1*256+$new_c2;  if ($new_i==1025){  $out_i=168;  }else{  if ($new_i==1105){  $out_i=184;  }else {  $out_i=$new_i-848;  }}  $out.=chr($out_i);  $byte2=false;  }  if (($i>>5)==6) {  $c1=$i;  $byte2=true;  }}  return $out;  } ?>

А чем проще? Если теги мешают спокойно жить, люди не зря ночей не спали, придумывая функцию strip_tags К томуже Ваш вариант не сработает, если фамилия будет Ёжиков. Или Renaldo.

<pre><? $time = microtime(); ########################################### $text = file_get_contents('a.htm'); preg_match('|<tr bgcolor="#006600">(?:(?!<tr bgcolor="#006600">).[^<]*)+|s', $text, $text); // echo htmlspecialchars($text[0]); $text = preg_split('#(?:<[^>]+>\s*)+#', $text[0], -1, 1); #print_r($text); $text = array_chunk($text, 10); print_r($text); ########################################### echo '<hr>' . (microtime() -  $time) .'<hr>'; ?></pre>

<pre><? $time = microtime(); ########################################### $text = file_get_contents('a.htm'); preg_match('|<tr bgcolor="#006600">(?:(?!<tr bgcolor="#006600">).[^<]*)+|s', $text, $text); // $text = preg_split('#(?=<tr)#', $text[0], -1, 1); #print_r($text); function s_t (&$val) { $val = strip_tags($val); } array_walk($text, 's_t'); print_r($text); ########################################### echo '<hr>' . (microtime() -  $time) .'<hr>'; ?></pre>

<pre><? $time = microtime(); ########################################### $text = file_get_contents('a.htm'); preg_match('|<tr bgcolor="#006600">(?:(?!<tr bgcolor="#006600">).[^<]*)+|s', $text, $text); // $text = preg_split('#(?=<tr)#', $text[0], -1, 1); $text = preg_replace('#(?:<[^>]+>)+#',  ' ', $text); print_r($text); ########################################### echo '<hr>' . (microtime() -  $time) .'<hr>'; ?></pre>

.) только время иногла с минусом показывает
переделывать нет времени

-0.986602

почему-то во всех случаях $text = file_get_contents('a.htm'); пусто вместо a.htm ставлю свой путь

<? $text = file_get_contents('a.htm');  echo htmlspecialchars($text) . '<hr> <hr>';  preg_match('|<tr bgcolor="#006600">(?:(?!<tr bgcolor="#006600">).[^<]*)+|s', $text, $text);  echo htmlspecialchars($text[0]);  ?>

Если точно после file_get_contents()
а не после preg_match(),

то если файл находится на вашей машине , скорее всего он пуст ,) или неверно указан путь.
(во втором случае должно выводиться Warning)

или если файл получается по http-адресу {

попробуйте скачиваются-ли с других адресов функцией file_get_contents()

если да , то возможно вам вместо файла отдаётся какой-нибудь заголовок (типа переадресации например)

если нет , возможно что-то с диррективой allow_url_fopen , но тоже должно быть Warning
(если не выключен вывод ошибок)
}
вобщем трудно сказать что-то определённое .)

<? $text = file_get_contents('http://virtualsoccer.ru/plrz_show.php?nat_id=124&sort=4');

Все отлично видно, только кодировку смени, а то бракозябры.

точно))
1. на хостинге нас заставили отключить allow_url_fopen
2. а на локальной машине доступ в интернет через прокси

вот поэтому нигде я и не вижу страницу

счас пробую через fsockopen, но пока, что то не получается