如何使用PHP正则从Steam饰品HTML中提取背景图URL与属性文本
PHP提取DOTA2饰品Steam HTML目标内容方案
推荐方案:DOMDocument解析(抗结构变动能力强)
不建议完全依赖正则解析HTML,Steam前端结构调整后正则容易失效,用DOM结合XPath匹配更稳定,可直接处理空URL、可变路径的情况,保证提取内容一一对应。
<?php // 替换为你实际待处理的原始HTML片段 $rawHtml = ''; // 开启内部错误抑制,避免Steam不规范HTML触发警告 libxml_use_internal_errors(true); $dom = new DOMDocument(); $dom->loadHTML($rawHtml); $xpath = new DOMXPath($dom); $extractResult = []; // 遍历所有属性条目,选择器可根据实际HTML的类名调整(可先打印原始HTML确认类名) $attributeItems = $xpath->query('//div[contains(@class, "herostat")]'); foreach ($attributeItems as $item) { // 提取图标div的background-image属性 $iconNode = $xpath->query('.//div[contains(@class, "icon")]', $item)->item(0); $iconUrl = null; if ($iconNode) { $styleAttr = $iconNode->getAttribute('style'); // 匹配url()内的内容,支持空url、带引号/不带引号的URL if (preg_match('/background-image:\s*url\(["\']?(.*?)["\']?\)/i', $styleAttr, $urlMatch)) { $trimmedUrl = trim($urlMatch[1]); $iconUrl = $trimmedUrl !== '' ? $trimmedUrl : null; } } // 提取大字号属性描述文本 $valueSpan = $xpath->query('.//span[contains(@class, "value")]', $item)->item(0); $attributeText = $valueSpan ? trim($valueSpan->textContent) : null; // 提取小字号饰品类型标注 $typeSpan = $xpath->query('.//span[contains(@class, "color")]', $item)->item(0); $typeText = $typeSpan ? trim($typeSpan->textContent) : null; // 单条结果按对应关系组装 $extractResult[] = [ 'icon_url' => $iconUrl, 'attribute_content' => $attributeText, 'item_type_tag' => $typeText ]; } // 输出结构化结果 print_r($extractResult);
纯正则实现方案(仅适合结构完全固定的场景)
如果确定HTML结构不会变动,可使用纯正则批量提取,注意正则的匹配规则要和实际HTML完全对齐:
<?php $rawHtml = ''; // 正则修饰符:i不区分大小写,s让.匹配换行符 $pattern = '/<div[^>]*class="[^"]*herostat[^"]*"[^>]*>.*?<div[^>]*style="[^"]*background-image:\s*url\(["\']?(.*?)["\']?\)[^"]*"[^>]*>.*?<span[^>]*class="[^"]*value[^"]*"[^>]*>(.*?)<\/span>.*?<span[^>]*class="[^"]*color[^"]*"[^>]*>(.*?)<\/span>/is'; preg_match_all($pattern, $rawHtml, $matches, PREG_SET_ORDER); $extractResult = []; foreach ($matches as $match) { $trimmedUrl = trim($match[1]); $extractResult[] = [ 'icon_url' => $trimmedUrl !== '' ? $trimmedUrl : null, 'attribute_content' => trim(html_entity_decode($match[2])), 'item_type_tag' => trim(html_entity_decode($match[3])) ]; } print_r($extractResult);
实现说明
- 自动处理空
url()场景,符合要求将空值设为null - 可变路径的URL会完整提取,不会被截断
- 所有提取的URL、属性文本、类型标注均来自同一个属性条目,保证一一对应
- 提取的文本可配合
html_entity_decode()处理HTML转义字符,得到纯文本内容
内容的提问来源于stack exchange,提问作者Mahdi
相关产品推荐
相关产品推荐

