从网站上刮掉一个价格

Question

我正在尝试使用PHP和Regexes从网页中榨取价格。价格为123.12英镑或123.12美元（即英镑或美元）。

我正在使用libcurl加载内容。然后输出进入preg_match_all。所以看起来有点像这样：

$contents = curl_exec($curl);

preg_match_all('/(?:\$|£)[0-9]+(?:\.[0-9]{2})?/', $contents, $matches);

到目前为止这么简单。问题是，PHP根本不匹配任何东西 - 即使页面上有价格也是如此。我把它缩小到'£'字符的问题 - PHP似乎不喜欢它。

我认为这可能是一个charset问题。但无论我做什么，我似乎无法让PHP匹配它！有人有主意吗？

（编辑：我应该注意，如果我尝试使用相同的正则表达式和页面内容的Regex Test Tool，它工作正常）

Answer 1

你试过在£面前使用\吗？

preg_match_all('/(\$|\£)[0-9]+(\.[0-9]{2})/', $contents, $matches);

我用。£和。£尝试了这个表达式，它有效。我只是编辑了它并删除了一些“：”。 （来源：clip2net.com）

阅读我关于Curl给你编码错误的可能性的评论（这篇文章的评论）。

Answer 2

也许pound有它的html实体替换？我认为你应该试试你的正则表达式（即在本地与固定文本匹配）。

我会像这样改变我的正则表达式：'/(?:\$|£)\d+(?:\.\d{2})?/'

Answer 3

这应该适用于简单的值。

'#(?:\$|\£|\€)(\d+(?:\.\d+)?)#'

这对于像234,343和34,454.45这样的千位分隔符不起作用。