PHP и html-теги

Question

Пытается сделать некоторые веб-скребки, но не понимает, как php анализирует теги html. Я сейчас не на своем веб-сервере, поэтому я тестирую код онлайн. В http://phptester.net/ мой код это:

<?php 
$start = "<title>"; 
$end = "</title>"; 
$data = "<title>this is a test </title>"; 
echo $start . " " . $end . " " . "<br>"; 
echo $data . "<br>"; 
echo strlen($start) . "<br>"; 
echo htmlspecialchars($data) . "<br>"; 
$data = stristr(htmlspecialchars($data), htmlspecialchars($start)); 
$data = substr(htmlspecialchars($data), strlen($start)); 

if($data===false){ 
    echo 'string not found'; 
} 
else{ 
    echo $data; 
} 

Теперь несколько образцов входов и выходов.

Input 
    $start="<title>" 
    $end="</title>" 
Output 
    (blank line) 
    (blank line) 
    7 
    <title>this is a test </title> 
    ;title&gt;this is a test &lt;/title&gt; 

Input 
    $start=&lt;title&gt; 
    $end=&lt;/title&gt; 
Output 
    <title> </title> 
    (blank line) 
    13 
    <title>this is a test </title> 
    string not found 

Изменение

$data = stristr(htmlspecialchars($data), htmlspecialchars($start)); 

в

$data = stristr(htmlspecialchars($data), $start); 

и переаттестации.

Input 
    $start="<title>" 
    $end="</title>" 
Output 
    (blank line) 
    (blank line) 
    7 
    <title>this is a test </title> 
    string not found 

Input 
    $start="&lt;title&gt;" 
    $end="&lt;/title&gt;" 
Output 
    <title> </title> 
    (blank line) 
    13 
    <title>this is a test </title> 
    &gt;this is a test &lt;/title&gt; 

Я ожидал, что последний будет работать. Я думаю, что это будет на реальном веб-сервере, потому что кажется, что этот онлайн-тестер php добавляет дополнительные 4 символа в начале строки, которая удерживает последние четыре от удаления.

Я пошел и попробовал http://sandbox.onlinephpfunctions.com/ дальше, а исходные строки без каких-либо функций htmlspecialchar работали точно так, как я ожидал. Я использовал одну и ту же версию в обоих случаях. Теперь я очень смущен.

Извините за длинный пост. Если кто-то может объяснить мне, как php анализирует html-теги, я бы очень благодарен. Благодарю.

Answer 1

Это не PHP-синтаксический анализ, следовательно, причина путаницы, которую вы вызываете. Вы просто смотрите на строковые манипуляции в основном.

Так давая немного больше контекста к выходу на моем хозяином приведенный ниже код

$start = "<title>"; 
$end = "</title>"; 
$data = "<title>this is a test </title>"; 
echo "Showing Start: " . $start . " " . $end . " " . "<br>"; 
echo "Showing Data: " . $data . "<br>"; 
echo "Showing LEN Start: " . strlen($start) . "<br>"; 
echo "Showing Data special: " . htmlspecialchars($data) . "<br>"; 
$data = stristr(htmlspecialchars($data), htmlspecialchars($start)); 
echo "Showing Data stristr: " . $data . "<br>"; 
$data2 = stristr(htmlspecialchars($data), $start); 
echo "Showing Data2 stristr: " . $data2 . "<br>"; 
$data = substr(htmlspecialchars($data), strlen($start)); 
if($data===false){ 
    echo 'string not found'; 
} 
else{ 
    echo "Showing Data substr: " . $data . "<br>"; 
} 

Обеспечит следующий вывод:

Showing Start: 
Showing Data: 
Showing LEN Start: 7 
Showing Data special: <title>this is a test </title> 
Showing Data stristr: <title>this is a test </title> 
Showing Data2 stristr: 
Showing Data substr: ;title&gt;this is a test &lt;/title&gt; 

Объяснения для каждой строки выше.

• Тег визуализируется браузером
• Тег визуализируется браузером
• длина составляет 7
• Тег повернулся к ASCii < и > браузер покажет, что те, но не отображают тег.
• Поскольку оба теги экранируются вы можете найти всю строку
• Поскольку только данные сбежавшие нет матча один ASCII < и >, а другие имеют тег заголовка
• То, что вы работаете с является & усилителя ; gt с 7 начинается с 0, вы получаете; в качестве отправной затем взять все оставшиеся

FYI свой контекстуальный, если не будет ложным, если вы не имеете строку или ваше начало, где у вас нет индексировать т.е. 70.

Answer 2

Вы, очевидно, имеет ошибку в код.Вы переписываете переменную $data с несколькими операциями =. Вместо этого используйте примерно следующее:

......... 
$data = "<title>this is a test </title>"; 
......... 
$data1 = stristr(htmlspecialchars($data), htmlspecialchars($start)); 
$data2 = substr(htmlspecialchars($data), strlen($start)); 
......... 
if (!$data1 && !$data2){ 
    echo 'not found'; 
} 
......