Парсинг страниц — ploshadka.net

Как удалить данные на странице с помощью simple_html_dom

Admin — Sat, 11 Nov 2017 10:24:34 +0000

В продолжение статей о парсинге страниц. На этот раз небольшая заметка о том, как с помощью simple_html_dom удалить ненужные данные на странице.

Если надо удалить какой-то участок на странице данных, чтобы они не попадали в парсинг, лучше всего это сделать перед началом. А именно в самом верху нашего кода положим такой участок:

foreach($html ->find('div.class-one') as $matches) {
$matches->outertext = '';
}

// Сохраним в $html новый код
$html->load($html->save());

Теперь мы можем посмотреть полученное содержимое страницы без не нужных данных и поправить её при необходимости:

echo $html

Или работать дальше в обычном порядке:

foreach ( $html->find('') as $matches ) {}

Недостатки simple_html_dom или парсинг сложных страниц

Admin — Fri, 10 Nov 2017 20:14:42 +0000

Я уже писал о библиотеке simple_html_dom, с помощью которой можно парсить страницы сайтов. В этой заметке поделюсь некоторыми наработками, когда содержимое имеет одинаковые контейнеры.

Что делать когда сложно зацепиться за DOM элементы?

По неизвестной мне причине в библиотеке simple_html_dom не работает несколько классов в html элементе. Например, не получится найти и сделать выборку по строке:

нужное нам содержимое

Очевидным будет использовать конструкции вроде:

foreach ( $html->find('div.one.two.three') as $matches ) {}

или

foreach ( $html->find('div[class=one][class=two][class=three]') as $matches ) {}

но на деле это не работает или почти никогда не работает.

Описание задачи

Задача следующая:

Нужно найти два отдельных блока содержимого. Оба блока имеют одинаковые свойства и потому не цепляются по отдельности.

Сначала preg_match потом simple_html_dom

Для этих целей можно было бы использовать сначала конструкции preg_match, чтобы найти определённое содержимое страницы:

preg_match("/

Заголовок_первый(.*?)

Код выше схватит всё что начинается с «Первого заголовка» и до «второго заголовка».

Иногда приходится так изощрять код, потому что иначе не захватить точный кусок кода. В базовых примерах php часто даются простые и типовые ситуации, которые не работают в сложных случаях.

А вот ещё один код:

preg_match("/

С помощью него мы уже захватим всё что после второго заголовка.

А потом уже из найденного использовать выборку

foreach ( $matches->find('') as $matches ) {}

Но здесь возникает другая проблема. Содержимое в переменной matches отказывается пониматься и выводит разного рода ошибки. Даже, если содержимое конвертировать в массивы или строки, всё равно чего-то не хватает. А что именно, совсем не ясно.

Хотя в обратную сторону работает. Если сначала сделать выборку через simple_html_dom, то потом можно вполне забирать информацию через preg_match.

В ином случае остаётся придерживаться одного стиля, либо использовать только preg_match либо simple_html_dom. В данной статье будем использовать только второе.

Дополнено позже. Проблему описанную выше можно решить с помощью предварительного сохранения результат выборки $matches в отдельных файл, а затем снова использовать функцию file_get_html(). Например, так:

// Важно сохранить данные в файл, иначе повторно библиотека file_get_html работать не будет.
if ( !empty($matches[2]) ) {
file_put_contents($file_temp, $matches[2]);
}

if ( file_exists($file_temp) ) {
$html = file_get_html($file_temp); // Используем библиотеку
}

Только simple_html_dom

Если перед парсингом нужно удалить какие-то данные, воспользуйтесь этой статьёй.

В коде уже привел все пояснения. Первый блок находим так.

// Задаём счет
$i=0;
// Находим общий контейнер
foreach ( $html->find('div.class-best') as $matches ) {
$i++;
if($i==2) break; // Останавливаем поиск после первого найденного контейнера

// Создаём массив из данных
$j=0;
// Теперь в общем контейнере будем забирать нужную нам информацию
foreach ( $matches->find('div[itemtype=""]') as $matches2 ) {
$j++;
if($j==6) break; // На 6 одинаковом элементе останавливаем поиск

// Ищем 3 отдельных элемента.
// 1 - Простой текст в ссылке, 2 - простой текст внутри тега span,
// 3 - и ссылку на изображение
@$one = $matches2->find('a.one', 0)->plaintext;
@$two = $matches2->find('span.two', 0)->plaintext;
@$three = $matches2->find('img', 0)->src;

// На всякий случай избавимся от лишних пробелов с обоих сторон найденного
$one = trim($one);
$two = trim($two);
$three = trim($three);

// Дальше можно поменять содержимое одного найденного объекта
$three = preg_replace('/\/\//','https://',$three); // меняем в начале ссылку '//' на 'https://'

$our_array[] = $one .', ' .$two .', ' .$three;
}
}

В результате этих манипуляций мы получим массив $our_array, в котором будет содержаться такая информация:

[0]=> 'Простой текст в ссылке', 'Текст внутри span', 'ссылка на фото' [1]=> ...

И так 5 строк в массиве. Дальше с этим массив можно делать всё что угодно.

Но задача ещё не закончена. Помните, выше я говорил о втором блоке, который тоже нужно найти? Проблема в том, что он имеет одинаковые свойства с первым блоком, который нам не надо никак захватывать.

Предположим что первый блок меняется и содержит всегда разное количество информации. И не получится это обойти используя наш первый массив, начиная например с 6-ого значения: our_array[5]. Ведь в другой раз, на другой странице, нужные нам данные могут начинаться с третьей позиции или любой другой.

Мы знаем, что второй блок, к счастью начинается сразу за первым. Или любым другим, но идёт всегда в одинаковом порядке. В приведенном примере всегда после первого блока. Тогда добавляем следующую конструкцию:

$i=0;
// Находим общий контейнер
foreach ( $html->find('div.class-best') as $matches ) {
$i++;
if($i==1) continue; // Пропускаем первый найденный объект
if($i==3) break; // Останавливаем поиск после первого найденного объекта

Здесь всё тоже самое, что и в первом блоке.

$our_array2[] = $one .', ' .$two .', ' .$three;
}
}

Как видно, содержимое второго php блока повторяет первый, за исключением того, что мы находим первый блок и пропускаем его с помощью конструкции if($i==1) continue. И обязательно останавливаем наш поиск на втором блоке. Иначе схватится лишнее. Одинаковых контейнеров может быть очень много.

Как прочитать JSON с помощью PHP

Admin — Sun, 05 Nov 2017 20:00:03 +0000

Формат JSON представляет из себя упорядоченную, определенным образом, информацию. Это альтернатива формату XML, с более минималистической структурой данных. О том, как прочитать эти данные через PHP.

JSON можно прочитать с помощью очень многих языков программирования. Здесь мы будем разбирать пример чтения содержимого файла посредством PHP.

Как прочитать содержимое файла

В переменную f_json заключаем адрес файла JSON:

$f_json = 'http://ploshadka.net/wp-content/uploads/3284/ploshadka.net.json';

Затем этот файл достаём по адресу указанному в f_json:

$json = file_get_contents("$f_json");

Если заглянуть в JSON файл напрямую, можно увидеть следующие данные:

{"response":{"items":[{"id":"1331","title_one":"Данные заголовка один","title_two":"Данные заголовка два","Год":"2056","Items":"items-1, items-2, items-3, items-4"}]}}

Иногда в файле данные выглядят так:

"{"response":{"items":[{"id":"1331","title_one":"\u0414\u0430\u043d\u043d\u044b\u0435 \u0437\u0430\u0433\u043e\u043b\u043e\u0432\u043a\u0430 \u043e\u0434\u0438\u043d","title_two":"\u0414\u0430\u043d\u043d\u044b\u0435 \u0437\u0430\u0433\u043e\u043b\u043e\u0432\u043a\u0430 \u0434\u0432\u0430","\u0413\u043e\u0434":"2056","Items":"items-1, items-2, items-3, items-4"}]}}\n"string(395) ""{"response":{"items":[{"id":"1331","title_one":"\u0414\u0430\u043d\u043d\u044b\u0435 \u0437\u0430\u0433\u043e\u043b\u043e\u0432\u043a\u0430 \u043e\u0434\u0438\u043d","title_two":"\u0414\u0430\u043d\u043d\u044b\u0435 \u0437\u0430\u0433\u043e\u043b\u043e\u0432\u043a\u0430 \u0434\u0432\u0430","\u0413\u043e\u0434":"2056","Items":"items-1, items-2, items-3, items-4"}]}}\n""

Эта «неправильная» кодировка является символами Unicode, записанные в восьмибитной кодировке.

Просмотрим содержимое файла JSON в браузере:

var_dump(json_decode($json));

В данном случае будет отдан массив в одну строчку. Ниже строчка разбита, для наглядности, на несколько строк.

object(stdClass)#3896 (1)
{ ["response"]=> object(stdClass)#3324 (1)
{ ["items"]=> array(1) { [0]=> object(stdClass)#3330 (5)
{ ["id"]=> string(4) "1331"
["title_one"]=> string(40) "Данные заголовка один"
["title_two"]=> string(38) "Данные заголовка два"
["Год"]=> string(4) "2056"
["Items"]=> string(34) "items-1, items-2, items-3, items-4"
} } } }

Для чтения этих данных декодируем строки файла:

$obj = json_decode($json,true);

Теперь выведем объекты в этом файле. Например, мы хотим достать заголовок один, который находится под ключевым атрибутом title_one. Для этого воспользуемся следующей командой:

$title_one = $obj['response']['items'][0]['title_one'];

Мы сохранили данные в переменную title_one. Теперь с ними можно делать всё что угодно. Например, вывести её:

echo $title_one;

В этом случае будет показано:

Данные заголовка один

Как получить значение через запятую в массиве данных файла JSON

Пример посложнее. Мы хотим достать отдельные данные для «items-1, items-2, items-3, items-4». Чтобы каждое значение было схвачено в отдельную переменную.

Для этого, сначала мы обратимся к этой строке:

$json_items = $obj['response']['items'][0]['Items'];

Теперь требуется преобразовать данные из строки в массив. Воспользуемся функцией разбиения строки в PHP:

$arr = explode(", ", $json_items);

Теперь мы можем вывести отдельные элементы так:

echo $arr[0];
echo $arr[1];
echo $arr[2];
echo $arr[3];

Причем первое значение выводится с параметром [0]. Так исторически сложилось.

Ошибки при выводе JSON

Если вы сталкиваетесь с командой вроде:

Notice: Undefined index: title_one in /folder1/folder2/folder3/file.php on line 23

Значит неправильно указан путь к данным.

Парсинг данных со страниц сайтов

Admin — Mon, 30 Oct 2017 13:02:48 +0000

Заметка о том, как собирать данные со страницы другого сайта с помощью библиотеки simple_html_dom.

Я уже касался темы поиска информации на страницы с помощью регулярных выражений и функций preg_match и preg_replace. Также разбирал как менять информацию на странице WordPress записи. Теперь разберём сбор информации сторонними инструментами, которые призваны упростить сбор данных.

simple_html_dom

Есть несколько библиотек упрощающих парсинг страниц. В данном примере мы будем использовать библиотеку simple_html_dom.php.

Библиотеку можно скачать на официальном сайте, там же инструкции к ней.

Скачиваем архив к себе на компьютер. Разархивируем его и файл simple_html_dom.php заливаем на свой сервер.

Теперь подключаем этот файл:

include get_template_directory() . '/inc/library/simple_html_dom.php';

^^ путь приведен для тем сайтов на WordPress.

Перед работой, в самом файле simple_html_dom.php надо закомментировать строчку:

$contents = file_get_contents($url, $use_include_path, $context, $offset);

Вместо неё поставить:

$contents = file_get_contents($url, $use_include_path, $context);

Это делается, чтобы избежать ошибок, которые могут появляться:

Notice: Undefined variable: item in /wp-content/themes/ploshadka.net/parser-page.php on line 31

Notice: Undefined offset: 0 in /wp-content/themes/ploshadka.net/parser-page.php on line 89

Notice: Trying to get property of non-object in /wp-content/themes/ploshadka.net/parser-page.php on line 89

php — Fatal error: Call to a member function find() on a non-object …

Uncaught Error: Call to a member function findfind() on string in

В этой статье я не буду касаться того как скачать файл с другого сайта к себе на сервер. Но лучше парсить страницы, предварительно скачав их себе.

Пример нахождения html тега td с классом person.

include get_template_directory() . '/inc/library/simple_html_dom.php';

// Можно вставить адрес страницы напрямую
$url = '/download/file.htm';

if (file_exists($url)) {
$html = file_get_html($url);

$i=0; // задаём счет
foreach ( $html->find('td.person') as $person ) {
$i++;
if($i==2) break; // Останавливаем поиск после первого найденного объекта
$person = $person->plaintext; // В переменную положим найденное

echo $person;
}

// Очищаем вывод, чтобы не засорялся буфер обмена
$html->clear();
unset($html);
}
?>

Основные моменты в коде выше я сопроводил пояснениями.

С помощью этого php мы нашли информацию находящуюся в теге:

Иван Иванов

Найденное выражение можно вывести в разных вариантах (если варианты существуют, потому что выше мы сузили поиск и ограничили переменной $i).

Покажет простой текст: Иван
$person = $person->plaintext;

Покажет: Иван Иванов
$person = $person-> outertext;

Покажет содержимое между тегами: Иван Иванов
$person = $person-> innertext;

Выведет td
$person = $person-> tag;

Примеры поиска и вывода данных

Найдёт html тег div с id = «table»:

foreach ( $html->find('div#table') as $array ) {
}

Выведет все текстовые значения внутри ссылки:

foreach($html->find('a') as $element) {
echo $element->plaintext . '
';
}

Сохранит найденное в переменную, массив данных из которой потом можно вывести отдельно:

$var = $html->find('a');
echo $var[0]->plaintext; // вывод данных

Отдельные части опять же можно сохранить в переменную:

$var = $var[0]->plaintext;

Также читайте более сложные примеры работы с этой библиотекой php.

Как заменить данные в записях WordPress используя регулярные выражений в PHP

Admin — Mon, 30 Oct 2017 11:03:33 +0000

Уже имеется заметка, как массово поменять текст в WordPress. В этой же статье разберу замену текста при выводе записей (the_content), а также использование регулярных выражений.

Замена текста с помощью PHP в записях WordPress

Разберем регулярные выражения на примере поиска и замены как самого текста, так и элементов внутри определенных дивов при выводе информации в WordPress .

Для удобства замены преобразуем вывод поста в переменную

Контент записи в WordPress выводится функцией:

the_content()

Положим содержимое функции вывода поста (the_content) в переменную $content:

$content = apply_filters( 'the_content', get_the_content() );

Теперь мы можем выводить содержимое поста таким образом:

echo $content;

Удаление данных с помощью preg_replace

Теперь для удаления данных со страницы записи WordPress используем такую конструкцию, которая изменит содержимое переменной $content. А именно найдет в данных нужный нам текст, структуру html и любое другое содержимое, а затем удалит её со страницы.

Удаление содержимого в конкретном див теге (с конкретным классом):

$content = preg_replace('/(]*>)(.*?)(<\/div>)/i', '$1$3', $content);

Удаление всего конкретного див тега:

$content = preg_replace('/(]*>)(.*?)(<\/div>)/i', '', $content);

Остальные примеры можно найти в статье про preg_replace.

Вывод данных с помощью preg_match

Вместо предыдущей функции preg_replace, где мы убираем текст, с помощью preg_match можно находить конкретные данные и сохранять их в переменную для последующего вывода.

preg_match("/

(.*?)<\/h2>/s", $post->post_content, $matches);

где:

$post->post_content"

то, где мы ищем, в данном случае мы ищем информацию в записи WordPress страницы.

Когда мы нашли мы можем вывести эту запись в любом другом месте.

Вывод записи:

print($matches [0]);

Или даже сохранить в произвольное поле, содержимое которого также можем вывести в любом другом месте.

Больше примеров смотрите в статье о preg_match.

Примеры функции замены preg_replace в PHP

Admin — Mon, 30 Oct 2017 10:46:39 +0000

С помощью функции preg_replace можно находить и изменять требуемые данные на странице.

Также читайте статью, где функцией preg_replace мы удаляем данные в профиле пользователя WordPress.

Есть схожая функция, которая вместо замены находит данные для последующей обработки, называется preg_match.

Функция preg_replace работает следующим образом:

Первый параметр, с помощью регулярных выражений задаёт критерий поиска.

Второй параметр указывает на что меняем найденные данные.

Третий параметр — там где мы производим поиск.

preg_replace в DIV

Удаление содержимого внутри тега DIV:

$content = preg_replace('/(]*>)(.*?)(<\/div>)/i', '$1$3', $content);

Удаление содержимого вместе с самим тегом div:

$content = preg_replace('/]*>.*?<\/div>/i', '', $content);

Удаление содержимого в конкретном див теге (с конкретным классом):

$content = preg_replace('/(]*>)(.*?)(<\/div>)/i', '$1$3', $content);

Удаление всего конкретного div тега:

$content = preg_replace('/(]*>)(.*?)(<\/div>)/i', '', $content);

Удаляем изображение из контента:

$content = preg_replace("/]+\>/i", "", $content);

preg_replace для цифр и знаков

Удаляем всё постороннее кроме цифр:

$clean_number = preg_replace('~[^0-9]+~','',$content);

Удаление доллара спереди:

$clean_number = preg_replace('/&.*?;/','',$content);

Удаление запятой из слов и цифр:

$clean_number = preg_replace('/,/', '', $content);

Удаление пробелов внутри цифры:

$clean_number = preg_replace('![^\w\d\s]*!','',$content);

Иногда похожие задачи выполняют другие php функции:

Удаление пробелов с обоих сторон от цифр:

$clean_number = str_replace(' ','',$content);

Удаление всех пробелов сначала и с конца выражения:

$clean_number = trim($content);

Поиск данных с помощью функции preg_match

Admin — Mon, 30 Oct 2017 10:28:29 +0000

preg_match — является функция поиска в PHP. Если функция preg_replace убирает текст, то с помощью preg_match можно находить конкретные данные и сохранять их в переменную для последующего вывода.

Если нужна функция замены в PHP при поиске данных, то она называется preg_replace.

Функция работает следующим образом.

В первом параметре, с помощью регулярных выражений задаются критерии поиска.

Во втором параметре, содержится информация, в которой необходимо найти данные.

Последний параметр, то куда мы будем сохранять найденные данные.

Найдём все что лежит внутри тега H2:

preg_match("/

(.*?)<\/h2>/s", $gde_ishem, $kuda_sohranyaem);

Альтернативный вариант:

preg_match("|\(.*\n*)\|isU", $content, $matches);

Найдем конкретный тег:

preg_match('/().*(<\/div>)/i', $content, $matches);

Находим строку со словом заголовок, которая находится в таблице HTML, между тегами TR:

preg_match("/](.*?)заголовок(.*?)<\/tr>/s", $content, $matches);

Пример 1

Нужно найти ссылку или значение внутри неё.

Это выражение поможет найти данные в ссылке:

preg_match("/()(.*?)(<\/a>)/", $content, $matches);

При этом:
matches [0] — выведет ссылку с элементом
matches [2] — выведет только элемент внутри ссылки

Вывод содержимого preg_match:

print($matches [0]);

или

echo $matches [1];

Параметр [0] — выводит всё найденное содержимое, а если его поменять на [2] — то часть строки, которая соответствует второй подмаске (круглые скобки).

Пример 2

Имеем такое выражение сложения и равенства:

$content = 100 + 200 = 300;

Найдем его отдельные значения:

preg_match("/(.*)=(.*)/", $content, $matches);

Выведем из него значение 300:

echo matches[3];

Если нам нужна только средняя цифра из примера, мы можем найти выражение иначе:

preg_match("/(\+.*\;=.)/", $content, $matches);

Этим способом мы найдём:

"+ 200 = "

Если нужно оставить только цифру 200, это можно сделать с помощью функции preg_replace.

Пример 3

Найти адрес ссылки внутри изображения:

< *img[^>]*src *= *["\']?([^"\']*)

Ошибки в preg_match

Ошибка такого рода:

Warning: preg_match() expects parameter 2 to be string, array given in \index.php on line 49

Означает, что второй параметр (то в чем мы ищем) должен быть строкой. Это, конечно ни о чем не скажет, если мы не знаем, что подразумевается под строкой (string). Однако, предположим, мы всё же знаем, а поэтому переведём значение из массива в строку:

$string = implode(", ", $array);

Теперь при поиске preg_match не будет ругаться и успешно выведет нужные данные.

API Кинопоиска, рейтинги фильмов

Admin — Sat, 28 Oct 2017 10:23:27 +0000

Заметка для тех кто ищет API кинопоиска.

Понадобились мне определенные данные о фильмах. Начал искать API кинопоиска. Вроде бы проскальзывала информация, что он есть. На деле оказалось, что официального API для кинопоиска не существует.

Хотя возможно он есть, но открыт для избранных сайтов и по запросу через поддержку кинопоиска.

API – готовый набор данных, предоставляемых сервисом, для использования во внешних программных продуктах.

В сети можно наткнуться на сайт docs.kinopoiskapi.apiary.io. Красиво выглядит, но сегодня он не работает. Можно даже не пытаться.

При сильном желании что-то стороннее найдётся. Не буду рекламировать, чтобы не прикрыли, но в любом случае это всё равно работает несовершенно.

Рейтинги на фильмы

Официально Кинопоиск отдаёт всем желающим рейтинги по адресу:
https://rating.kinopoisk.ru/номер фильма.xml

Там есть нюансы, если выводить рейтинги напрямую, то могут быть лаги на сайте. Так что лучше рейтинг сохранять у себя на сайте, а затем выводить.

У меня есть готовое решение для WordPress, которое сохраняет рейтинги в произвольное поле сайта, а затем выводит его на сайте. Такую штуку делал для себя. Инструмент продаётся вместе с конечной настройкой, чтобы всё работало. Так что, если лень или не знаете, как сами сделать, обращайтесь.

Пару слов об API

Почему разработчики многих сайтов не спешат делать API? Думаю ответ кроется в монетизации. Очевидно, что если вы будете пользоваться сторонними приложениями, то на вас вряд ли как-то можно будет заработать.

С другой стороны API снижает нагрузку на сервисы компании. Ведь, если информация нужна, специалисты всё равно её добудут.

Интересная ссылка как развививалось становление API на habrahabr.

Регулярные выражений в PHP

Admin — Sat, 21 Oct 2017 08:10:06 +0000

Заметка о регулярных выражениях. Зачем они нужны, где используются и как их применять. Иными словами о поиске в PHP.

Регулярные выражения — это набор указателей, которые используются в поиске, для нахождения нужных данных.

Использование регулярных выражений в функциях PHP, замены preg_replace, поиска preg_match.

Например, рассмотрим такую функция:

preg_replace('/(]*>)(.*?)(<\/div>)/i', '$1$3', $string);

То что внутри этой функции, все эти на первый взгляд непонятные значения, называется регулярным выражением (PHP RegEx). Они используются для поиска конкретных данных.

Шаблон (символы) поиска берет своё начало с языка Perl.

Регулярные выражения делятся на метасимволы и модификаторы метасимволов.

Метасимволы — определяют группу обычных символов. Модификаторы — помогают понять сколько и какое количество этих символов искать.

Метасимволы регулярного выражения

Значения некоторых метасимволов из примера выше (также они будут встречаться ниже):

^ - начало строки
\ - считать следующий элемент обычным символом (не командой)
. - один произвольный (любой случайный) символ
() - группировка (подмаска)
[ ] - класс символов
$ - конец строки
| - альтернатива (или)

Модификаторы регулярного выражения

* - повторять от 0 до бесконечности
? - искать 1 раз или меньше

Ещё модификаторы, но не используются в текущих примерах:

+ - повторять 1 или большее число раз
{n} - точное количество раз (заменить n цифрой)
{n,5} - по меньшей мере 5 раз
{n,m} - не меньше n, но и не больше m

Любой из вышеперечисленных модификаторов сочетается с модификатором «?». Он необходим для ограничения поиска, потому что по умолчанию все метасимволы повторяются по принципу «жадности» (без ограничения).

Например:

(<.*>) - найдет всю строку со всеми тегами
(<.*?>) - найдет только теги

Дополнительные опции

Кроме модификаторов и метасимволов есть опции (приведены не все):

/i - не имеет значения регистр символов (строчные и заглавные)
/s - делает точки (.) переносом строки и возврата каретки (сдвиг влево).
/U - превращается все количественные метасимволы в "не жадные".

Опции могут сочетаться вместе:

/isU

Шаблоны

Также существуют шаблоны, что-то вроде аналога метасимволов, один из них:

\n - новая строка

На данной странице приведены не все параметры регулярных выражений. Это сделано специально, чтобы не запутать новичка и в то же время дать ему основные инструменты для поиска. В дальнейшем, при желании углубиться в детали, в Интернете можно найти более подробную инструкцию.

Эксперименты

Поэкспериментировать с регулярным выражением можно на этом сайте. Вверху вбиваете регулярное выражение, а снизу данные html в которых ищите. При правильном подборе регулярного выражения будет выделяться нужный вам участок кода.