php, strpos 从字符串中提取数字

Question

我有一个巨大的 html 代码要扫描。到目前为止，我一直在使用 preg_match_all 从中提取所需的部分。从一开始的问题就是它非常 cpu 耗时。我们最终决定使用其他方法进行提取。我在一些文章中看到 preg_match 可以与 strpos 在性能上进行比较。他们声称 strpos 在效率上比正则表达式扫描器高出 20 倍。我想我会试试这个方法，但我真的不知道如何开始。

假设我有这个 html 字符串：

<li id="ncc-nba-16451" class="che10"><a href="/en/star">23 - Star</a></li>
<li id="ncd-bbt-5674" class="che10"><a href="/en/moon">54 - Moon</a></li>
<li id="ertw-cxda-c6543" class="che10"><a href="/en/sun">34,780 - Sun</a></li>

我只想从每个 id 中提取数字，并从 a 标签的内容中提取文本（字母）。所以我这样做 preg_match_all 扫描：

'/<li.*?id=".*?([\d]+)".*?<a.*?>.*?([\w]+)<\/a>/s'

在这里你可以看到结果：LINK

现在，如果我想将我的方法替换为 strpos 功能，该方法会是什么样子？我知道 strpos returns 开始匹配的索引。但我如何使用它来：

获取所有可能的匹配项，而不仅仅是一个
从字符串中的所需位置提取数字或文本

感谢您提供的所有帮助和提示 ;)

Answer 1

此正则表达式使用 0 个回溯在 24 个步骤中找到匹配项

(?:id="[^\d]*(\d*))[^<]*(?:<a href="[^>]*>[^a-z]*([a-z]*))

您发布的正则表达式需要 134 个步骤。也许你会注意到不同之处？请注意，正则表达式引擎可以进行优化，以便最大限度地减少回溯。我使用 RegexBuddy 的调试器来得出数字。

Answer 2

使用 DOM

$html = '
<html>
<head></head>
<body>
<li id="ncc-nba-16451" class="che10"><a href="/en/star">23 - Star</a></li>
<li id="ncd-bbt-5674" class="che10"><a href="/en/moon">54 - Moon</a></li>
<li id="ertw-cxda-c6543" class="che10"><a href="/en/sun">34,780 - Sun</a></li>
</body>
</html>';


$dom_document = new DOMDocument();

$dom_document->loadHTML($html);

$rootElement = $dom_document->documentElement;

$getId = $rootElement->getElementsByTagName('li');
$res = [];
foreach($getId as $tag)
{
   $data = explode('-',$tag->getAttribute('id'));
   $res['li_id'][] = end($data);
}
$getNode = $rootElement->getElementsByTagName('a');
foreach($getNode as $tag)
{
   $res['a_node'][] = $tag->parentNode->textContent;
}
print_r($res);

输出：

Array
(
    [li_id] => Array
        (
            [0] => 16451
            [1] => 5674
            [2] => c6543
        )

    [a_node] => Array
        (
            [0] => 23 - Star
            [1] => 54 - Moon
            [2] => 34,780 - Sun
        )

)

php, strpos 从字符串中提取数字

php, strpos extract digit from string

php

regex

strpos