Извлечь список спецификаций из текста (неизвестный формат)

Как извлечь из описания продукта спецификацию, которая имеет неизвестный формат (иногда это неупорядоченный список, иногда это br-элемент и т. Д.), Но ВСЕГДА выглядит одинаково впереди.

Визуал похож на:

Некоторый текст описания, иногда это одно предложение, иногда больше ..

== иногда здесь пустая строка, иногда нет ==

  • спецификация item1
  • спецификация item2

Есть ли способ извлечь это «визуально» в PHP?

Пример:

<h2> desc <br>
<br>
&gt; <strong> T Shirt</strong><br>
&gt; Breathable mesh fabric<br>
&gt; Reflective detail<br>
&gt; Flat lock seams <br>

0

Решение

Вы можете попробовать отфильтровать ваши записи. Мне удалось получить ваш пример в массив. Тогда будет небольшой спор с результатом:

<?php

$html =<<<HTML
<h2> desc </h2>
<br>
&gt; <strong> T Shirt</strong><br>
&gt; Breathable mesh fabric<br>
&gt; Reflective detail<br>
&gt; Flat lock seams <br>
HTML;

$no_html       = strip_tags($html);
$no_entities   = preg_replace('/&#?[a-z0-9]+;/i', '', $no_html);
$parts         = preg_split('/\R/', $no_entities);
$trimmed_parts = array_map('trim', $parts);
var_export($trimmed_parts);

Выход:

array (
0 => 'desc',
1 => '',
2 => 'T Shirt',
3 => 'Breathable mesh fabric',
4 => 'Reflective detail',
5 => 'Flat lock seams',
)
1

Другие решения

Это можно сделать с помощью file_get_contents () и некоторой обработки регулярных выражений. Убедитесь, что в PHP.ini включены правильные настройки (откройте упаковщики URL-адресов).

См:
http://php.net/manual/en/filesystem.configuration.php

Образец кода:

<?php

$page = file_get_contents('Provide your url here');

preg_match("/regex pattern here/", $page, $agent_name);

// display agent name matches
print_r($agent_name)

Личное предложение — использование python упростит процесс. Многие пакеты уже доступны для этой цели. Eg- bs4

0

По вопросам рекламы [email protected]