3

Eu tenho um pouco de dificuldade para montar as expressões regulares, estou tentando trabalhar com este código:

<?php 
$url = file_get_contents('http://ciagri.iea.sp.gov.br/precosdiarios/');
preg_match_all($expressao, $url, $conteudo);
echo $conteudo; 
?>

Eu preciso pegar os preços entre esses códigos:

<tr style="background-color:White;">
    <td style="width:170px;">
        Mandioca para mesa
    </td>
    <td style="width:120px;">
        Mogi Mirim
    </td>
    <td align="right" style="width:70px;">
        11,50
    </td>
    <td align="center" style="width:70px;">
        cx.23 kg
    </td>
    <td style="width:200px;">
        <div id="ctl00_ContentPlaceHolder1_gridRecebidos_ctl95_PanelGridObs">
        </div>
    </td>
</tr>
<tr>
    <td style="width:170px;">
        Mandioca para mesa
    </td>
    <td style="width:120px;">
        Pindamonhangaba
    </td>
    <td align="right" style="width:70px;">
        28,00
    </td>
    <td align="center" style="width:70px;">
        cx.23 kg
    </td>
    <td style="width:200px;">
        <div id="ctl00_ContentPlaceHolder1_gridRecebidos_ctl96_PanelGridObs">
        </div>
    </td>
</tr>
<tr style="background-color:White;">
    <td style="width:170px;">
        Mandioca para mesa
    </td>
    <td style="width:120px;">
        Sorocaba
    </td>
    <td align="right" style="width:70px;">
        8,79
    </td>
    <td align="center" style="width:70px;">
        cx.23 kg
    </td>
    <td style="width:200px;">
        <div id="ctl00_ContentPlaceHolder1_gridRecebidos_ctl97_PanelGridObs">
        </div>
    </td>
</tr>

Para pega o preço de cada cidade:

-Qual seria o melhor padrão para utilizar?

4
  • Você está querendo pegar o conteúdo de outra página da internet? 13/01/2015 às 17:03
  • Dica: não use regex para parsear HTML, de uma olhada em XPath, YQL e htmlSQL
    – fpg1503
    13/01/2015 às 17:09
  • 1
    Sim,estou querendo pegar a cotação de um produto que é atualizado diariamente. Vou dar uma olhada em XPath e YQL. 13/01/2015 às 17:10
  • 1
    Para PHP há o htmlSQL (github.com/hxseven/htmlSQL)
    – fpg1503
    13/01/2015 às 17:12

2 Respostas 2

5

O ideal mesmo é usar XPATH para pegar esses preços. Olhando essa página que você informou ficaria da seguinte maneira:

$dom = new DomDocument;
$dom->loadHTMLFile("http://ciagri.iea.sp.gov.br/precosdiarios/");

$xpath = new DomXPath($dom);
// essa query pega o todos os TDs na posicao 3 da primeira tabela com a classe "tabela_dados"
$nodes = $xpath->query("(//table[@class='tabela_dados'])[1]/tr/td[position()=3]");

foreach ($nodes as $i => $node) {
    echo $node->nodeValue . "\n"; // vai imprimir todos os preços
}
9
  • Obrigado,chegando em casa testarei 13/01/2015 às 17:17
  • Tem o DOM também (que acho mais simples)
    – gmsantos
    13/01/2015 às 17:30
  • Warning: DOMDocument::loadHTMLFile(): htmlParseEntityRef: expecting ';' in ciagri.iea.sp.gov.br/precosdiarios, line: 3654 in Esse erro você sabe o motivo? 14/01/2015 às 12:02
  • Adicione libxml_use_internal_errors(true); no início do código. Apesar do aviso deve funcionar normalmente. 14/01/2015 às 12:11
  • Existe alguma forma de eu acessar uma determinada posição da variável $nodes,como se fosse um vetor? 19/01/2015 às 12:45
4

Consegui fazer com esta regex:

<tr[^>]*>\s*<td[^>]*>[^<]*<\/td>\s*<td[^>]*>[^<]*<\/td>\s*<td[^>]*>\s*(\S*)

É importante você capturar todos os matches que resultarem.

Como esta expressão funciona?

Vamos quebrá-las em partes:

  1. <tr[^>]*> - Comece com <tr, em seguida use o [^>]> para pular tudo até encontrar um > e consome o >. Ou seja, isso consome o <tr blablabla>. Também funciona se houver apenas <tr>.
  2. \s* - Consume um monte de espaços em branco e quebras de linhas.
  3. <td[^>]*>[^<]*<\/td>\s* - Comece com <td, em seguida use o [^>]> para pular tudo até encontrar o > e consome o >. Continua consumindo até encontrar mais um < e em seguida consome o </td> e os espaços em branco e quebras de linha que se seguem. Ou seja, consome o primeiro <td blabla>blablabla</td>.
  4. A mesma coisa do item 3, vai consumir o segundo <td blabla>blablabla</td>.
  5. <td[^>]*>\s* - Consome o <td blabla> que se segue e os espaços em branco e quebras de linha. Logo após isso, temos o preço.
  6. (\S*) - Captura todos os caracteres que se seguem até encontrar um espaço em branco (e não consome o espaço em branco). Ou seja, isso capturará o preço.

Testado aqui. Para verificar, coloque a regex no primeiro campo e g no segundo. Na área abaixo coloque o texto aonde você quer fazer a busca (no caso o HTML).

2
  • Não testei pois não estou em casa,tem como você me explicar mais ou menos como criou está expressão,para ver se consigo entender rs 13/01/2015 às 17:16
  • 1
    @RodolfoOliveira Resposta editada. :) 13/01/2015 às 17:26

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .