[PHP] file_get_contents en preg_match troubles...

[ThinkPad]

Hoi,

Ik wil voor ons thuisnetwerk een mooie overzichtspagina maken met status van diverse apparaten. Zo wil ik voor de printer bijv. uitlezen hoeveel toner er nog beschikbaar is.

De printer heeft een webpagina, met daarin een frame waar de gegevens inzitten: 192.168.1.251/hp/device/info_deviceStatus.html

In dat frame zit de volgende code, met daarin het tonerniveau (43%)

HTML:

<tr><td width = "25%"><font class="if">
    Black Cartridge&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;43%
    </font></td></tr>

Ik wil die "43" er dus uithalen. Dit probeer ik met onderstaand script:

PHP:

<?php

$content = file_get_contents('http://192.168.1.251/hp/device/info_deviceStatus.html');

preg_match('#<font class="if"> 
    Black Cartridge&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;(.*)</font>#', $content, $match);
$tonerniveau = $match[1];
echo "Tonerniveau: $toner\n";
?>

maar het werkt niet, ik zie alleen maar "Tonerniveau:" staan.


Echter, dit script:

PHP:

<?php

$content = file_get_contents('http://www.sparkfun.com/commerce/product_info.php?products_id=9279');

preg_match('#<span class=price>(.*)</span>#', $content, $match);
$price = $match[1];
echo "Price: $price\n";
?>

Werkt wel, die haalt netjes de prijs "0.50" op.


Ter informatie: De printerpagina is onbeveiligd, zodra ik het adres bovenaan in deze post open dan zie ik gelijk het tonerniveau. Ik hoef dus niet in te loggen.

Wat doe ik verkeerd dat het niet werkt?

[ Voor 8% gewijzigd door ThinkPad op 30-09-2012 13:56 ]

[eek]

$tonerniveau = $match[1];
echo "Tonerniveau: $toner\n";

[ThinkPad]

Met

code:

$tonerniveau = $match[1]; 
echo "Tonerniveau: $tonerniveau\n";

werkt het ook niet.

[Verwijderd]

Hint: je patroon beschrijft meerdere regels.

[DataGhost]

Nog een hint: je matcht wel erg specifiek, sommige tekenreeksen kan je beter met klassen matchen

[ThinkPad]

Ik heb nu dit

PHP:

preg_match('# (.*)%#', $content, $match);

maar dat werkt ook niet.

Het tonerniveau staat niet echt in een bepaalde klasse helaas.

Ik weet trouwens wel zeker dat het aan dat preg_match stukje ligt. Als ik namelijk

PHP:

echo $content;

doe dan zie ik de printer status pagina. Dat stuk gaat wel goed dus.

[ Voor 35% gewijzigd door ThinkPad op 30-09-2012 14:18 ]

[DataGhost]

Ik bedoel een character class, geen HTML class-attribuut.

edit:
http://perldoc.perl.org/perlre.html

edit:
beide hints zijn nog steeds geldig trouwens Oeps. Bovenstaande had inderdaad moeten werken en onderstaande beter. Je wilt eigenlijk nog wat context eromheen hebben en dan gaan beide hints wel weer op, maar het zou best zo kunnen zijn dat dit goed genoeg werkt aangezien die pagina nauwelijks zal veranderen.

[ Voor 97% gewijzigd door DataGhost op 30-09-2012 14:29 ]

[ThinkPad]

Zoeken op character class zou toch zoiets als dit moeten zijn:

PHP:

preg_match('# ([0-9,]+)%#', $content, $match);

[Camulos]

ThinkPadd schreef op zondag 30 september 2012 @ 13:54:

In dat frame zit de volgende code, met daarin het tonerniveau (43%)

HTML:

<tr><td width = "25%"><font class="if">
    Black Cartridge&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;43%
    </font></td></tr>

Ik wil die "43" er dus uithalen.

Wellicht een alternatieve oplossing zonder reguliere expressies. Onderstaande code is gebaseerd op een html-scraper die ik eerder heb gebruikt.

PHP:

<?php
// get HTML
$content = file_get_contents('http://192.168.1.251/hp/device/info_deviceStatus.html');

// optionally 1: you can split (explode function) on <TR to iterate over each row 
// optionally 2: you can strip static content by str_replace function

// strip all HTML, leaving just "Black Cartridge     43%"
$stripped = strip_tags($content)

// trim egdes, no spaces at the front or end
$trimmed = trim($stripped);

// Explode, convert to array. Delimiter is a space
$arr = explode(" ", $trimmed); 

// return last element -> 43%
echo end($arr);

[ Voor 13% gewijzigd door Camulos op 30-09-2012 16:29 ]

[Emmeau]

PHP Simple HTML DOM Parser
Ik gebruik dit altijd om webpages te parsen.
Geen gemeut met reguliere expressies die wel of niet fout kunnen gaan (html pages zijn per definitie niet handig om te parsen met reguliere expressies, daar is al genoeg over geroepen).

[Verwijderd]

Emmeau schreef op zondag 30 september 2012 @ 16:51:
PHP Simple HTML DOM Parser
Ik gebruik dit altijd om webpages te parsen.
Geen gemeut met reguliere expressies die wel of niet fout kunnen gaan (html pages zijn per definitie niet handig om te parsen met reguliere expressies, daar is al genoeg over geroepen).

Gebruik dan meteen DomDocument

Werkt inderdaad veel fijner dan prutsen met regular expressions voor dit soort doeleinden.

[ThinkPad]

Camulos schreef op zondag 30 september 2012 @ 16:26:
[...]


Wellicht een alternatieve oplossing zonder reguliere expressies. Onderstaande code is gebaseerd op een html-scraper die ik eerder heb gebruikt.

PHP:

<?php
// get HTML
$content = file_get_contents('http://192.168.1.251/hp/device/info_deviceStatus.html');

// optionally 1: you can split (explode function) on <TR to iterate over each row 
// optionally 2: you can strip static content by str_replace function

// strip all HTML, leaving just "Black Cartridge     43%"
$stripped = strip_tags($content)

// trim egdes, no spaces at the front or end
$trimmed = trim($stripped);

// Explode, convert to array. Delimiter is a space
$arr = explode(" ", $trimmed); 

// return last element -> 43%
echo end($arr);

Ziet er goed uit, maar werkt hetlaas niet. Op m'n linux (debian) webserver krijg ik een error 500, en op xampp onder m'n w7 pc zie ik alleen "Tonerniveau:"

Vervelende is dat er nog meer kolommen zijn die ook font class if hebben... voorbeeld:

HTML:

 <td width="50%" align="left"> <font class="if">
        hp LaserJet 1320 series
        </font>
        </td>
        </tr>

De DOM parsers van hierboven heb ik bekeken, maar volgens mij werken die beiden op html klassen, en daar heb ik dus meerdere van....

Voor het gemak even de html code van de pagina van de printer: http://pastebin.com/scN76vxz

[ Voor 7% gewijzigd door ThinkPad op 01-10-2012 18:18 ]

[aaajeetee]

Misschien een stom idee, maar waarom match je dan niet op "black cartridge"? Daarachter kan je (met regex of domxpath) het percentage vinden.

Edit: dus iets als 'black cartridge[meuk]([0-9]+)%'.

[ Voor 16% gewijzigd door aaajeetee op 01-10-2012 18:43 ]

[ThinkPad]

Gelukt!

PHP:

<?php 

$content = file_get_contents('http://192.168.1.251/hp/device/info_deviceStatus.html'); 

preg_match('#Black Cartridge&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;([0-9]+)%#', $content, $match); 
$toner = $match[1]; 
echo "Tonerniveau: $toner\n%"; 
?>

Geeft:
Tonerniveau: 43 %

Ik snap dat een DOM parser waarschijnlijk beter is, maar dat kreeg ik zo 123 niet aan de praat. Iets voor de volgende keer dus.

[ Voor 3% gewijzigd door ThinkPad op 01-10-2012 18:52 ]

[spone]

Moet je preg match niet pre- en appenden met / ?

Ofwel:

PHP:

preg_match('/#Black Cartridge     ([0-9]+)%#/', $content, $match)

edit: hmm werkt kennelijk al. Nevermind dan

[ Voor 13% gewijzigd door spone op 01-10-2012 18:57 ]

[NMe]

Verwijderd schreef op zondag 30 september 2012 @ 14:11:
Hint: je patroon beschrijft meerdere regels.

Zal ik voor de mensen die later dit topic tegenkomen dan maar de oplossing helemaal noemen zonder alleen maar te hinten?

http://php.net/manual/en/...cre.pattern.modifiers.php
Vooral interessant: modifier 2 en 3.

spone schreef op maandag 01 oktober 2012 @ 18:56:
Moet je preg match niet pre- en appenden met / ?

Ofwel:

PHP:

preg_match('/#Black Cartridge     ([0-9]+)%#/', $content, $match)

edit: hmm werkt kennelijk al. Nevermind dan

Nee, je markeert het begin en einde van de regexp met een delimiter. In dit geval dus de #. Welk karakter je kiest maakt voor PCRE geen fluit uit, als je maar twee keer hetzelfde karakter gebruikt.

[ Voor 40% gewijzigd door NMe op 01-10-2012 19:03 ]

[ThinkPad]

Ik ga nog wel even verder stoeien, want ik heb ook het status veld:

HTML:

<td nowrap="nowrap">
<font class="clf">
Status: &nbsp;&nbsp </font>
<font class="if">
Printer Tray Is
Empty. Add Paper
 &nbsp;&nbsp;</font>
</td>

en daar zitten geen nummers in, dus die valt er met een regular expression niet makkelijk uit te halen.

[NMe]

Waarom niet? Je weet dat het begint met "Status" en er wat achteraan komt. Alles tot aan </font> is vervolgens je waarde. Hoe is dat lastig?

edit:

Ah, het gaat om dat tweede stukje natuurlijk. Ook dat is toch niet lastig? Voldoet namelijk net zo hard aan een duidelijk patroon.

[ Voor 32% gewijzigd door NMe op 01-10-2012 19:55 ]

[ThinkPad]

Ja, m'n patroon is [code]<font class="if"><hier tekst> &nbsp[/code] maar ik krijg het niet voor elkaar.


Hmm, je moet het even begrijpen, maar dan werkt het wel. Pattern:

code:

/<font class=\"if\">(.*?)&nbsp/s

2 matches were found:

Array
(
[0] => <font class="if">
Printer Tray Is
Empty. Add Paper
&nbsp
[1] =>
Printer Tray Is
Empty. Add Paper

)

Ik test het overigens met http://www.switchplane.co...regular-expression-tester

[ Voor 83% gewijzigd door ThinkPad op 01-10-2012 20:16 ]

[aaajeetee]

Offtopic: ikzelf test vaak hier: http://regex.larsolavtorvik.com/
Is ietsje uitgebreider, maar zo zijn er ontzettend veel online regex testers.