Discussion :

[kaotik]

Bonjour à tous,

J'ai suivit des tutos et cours débutant pour les regex mais c'est vraiment pas évident au début ...

Je veux utiliser preg_match pour extraire une information d'une page html.
Voici le bout de code :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
<span>
        <i class="flag-me"></i><br>
        4885<br>
        <p>Bonjour</p>
</span>

Je veux extraire le nombre 4885 de ce code.
J'ai essayé avec ça mais ça ne fonctionne pas :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

'#<i class="flag-me"></i><br>(.+)<br>#iU'

Merci 1000 fois d'avance pour votre aide.

[rawsrc]

Salut,

essaie avec ce pattern :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

'/(\d+)/i'

[tsuji]

Pour le texte perçu comme complètement déterministique, voici le pattern en regex à lui (j'ai mis \r\n pour fixer l'idée, pour *nix c'est \n par exemple):

Code texte :

Sélectionner tout - Visualiser dans une fenêtre à part

'#^<span>\r\n[ ]{8}<i class="flag-me"></i><br>\r\n[ ]{8}4885<br>\r\n[ ]{8}<p>Bonjour</p></span>$#';

Maintenant, vous voulez matcher une partie particulière qui peut vous intéresser, donc ça devient comme ceci:

Code texte :

Sélectionner tout - Visualiser dans une fenêtre à part

'#<i class="flag-me"></i><br>\r\n[ ]{8}4885<br>$#';

Et puis, il semble une bonne chose de pourtant laisser une partie très indéterminée capturée comme sous-match et vous pensez un fanion PCRE_UNGREEDY est une bonne chose de faire et aussi PCRE_CASELESS, ça devient:

Code texte :

Sélectionner tout - Visualiser dans une fenêtre à part

'#<i class="flag-me"></i><br>\r\n[ ]{8}(.+)<br>$#iU';    //PCRE_UNGREEDY on

Et puis, vous pensez espace blanche devrait laisser indéterminée et qu'on a un fanion PCRE_UNGREEDY déjà, ça devient ceci:

Code texte :

Sélectionner tout - Visualiser dans une fenêtre à part

'#<i class="flag-me"></i><br>\s*?(.+)<br>$#iU';    //PCRE_UNGREEDY on; ? pour le renverser

Voilà, c'est fait.

D'ailleurs, je ne pense pas le fanion U est très souhaîtable à mettre en général, comme c'est trop lié à regex de php.

[CosmoKnacki]

Tu as oublié de prendre en compte tous les caractères blancs (espaces, nouvelles lignes, éventuellement tabulations) dans ton expression. Ce qui fait que ta pattern échoue juste après le premier <br>.

Pour les indiquer, tu peux utiliser la classe de caractères \s qui les contient tous.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
$subject = <<<'EOF'
 <span>
        <i class="flag-me"></i><br>
        4885<br>
        <p>Bonjour</p>
</span>
EOF;
$pattern = '~<i class="flag-me"></i><br>\s+([^<]+)<br>\s+<p>Bonjour</p>~';
 
if (preg_match($pattern, $subject, $match)) {
    echo $match[1];
}

Ensuite plutôt que d'utiliser le point et un quantificateur parresseux (.+? ou /°°°.+°°°/U), mieux vaut utiliser une classe de caractère négative (une classe excluant des caractères) et un quantificateur gourmand, pour 3 raisons:

1) C'est bien plus explicite et contraignant (on voit tout de suite où ça s'arrête)
2) C'est beaucoup plus rapide
3) Tu évites le problème des nouvelles lignes que le . ne matche pas (ou alors il faut rajouter le modifier 's' à la fin de la pattern).

Maintenant si tu veux être plus précis et indiquer les sauts de ligne et les espaces ou tabulations, tu peux remplacer les \s+ par \R\h+ où \R est un raccourci pour (?>\r\n|[\r\n]) (ce qui permet de matcher les sauts de ligne quelque soit le système) et où \h est une classe de caractères blancs et horizontaux (comme les espaces et les tabulations)