質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.80%

【PHP】【switch文】想定外の挙動をするのを解決したいです。【正規表現:条件と違うものが選ばれる事があります】

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 1,044

shimane

score 90

【現在の状況】

PHPの勉強を開始して数ヶ月のものです。
現在、ドットインストールと書籍で基礎的な知識と簡単なプログラムの作成が終わりました。

そこで
以前こちらにて教えて頂いた通り
自作で作りたいものを作りながらPHPの勉強をしようと思い「スクレイピング」を使ったサイトを作成中です。


【現在の進捗状況】
PHP+PHPQUERYを使用:
「記事のタイトル」「記事のURL」「投稿日時」「画像・動画の枚数」の取得が完了
上記で取得した情報をmysqlに登録
bootstrapを利用して作成したテーブルにmysqlのデータを表示

ここまでなんとか作る事が出来ました。


【問題が発生している点】
次に記事の「引用元」を取得し、取得した「URL」によって「引用元の名前」を取得したいと考えています。

foreach文の中で取得したURLが「引用元」なのか「画像や動画のurl」なのかの判断と
もしも「引用元」だった場合に「引用元の企業名」を変数に入れて
mysqlにて保存していきたいと思っています。

初心者なりにネットで検索したり色々と頭を悩ませた結果、
switch文の条件分岐で書いていけばいいのでは?と考え
switchと正規表現で作ってみました。

// 引用元のURLを取得(本文中の「a」タグを含めたURLのテキストを取得しています。):phpquery使用
$inyoumoto = pq($entry)->find('dd > a')->text();

switch(true) {
case preg_match('/this.kiji.is/', $inyoumoto):
  $inyoumoto2 = "共同通信";
  break;
case preg_match('/news.livedoor/', $inyoumoto):
  $inyoumoto2 = "livedoorニュース";
  break;
case preg_match('/afpbb/', $inyoumoto):
  $inyoumoto2 = "AFPBBニュース";
  break;
case preg_match('/3.nhk.or.jp/', $inyoumoto):
  $inyoumoto2 = "NHKニュースWEB";
  break;
case preg_match('/news24.jp/', $inyoumoto):
  $inyoumoto2 = "日テレNEWS24";
  break;
case preg_match('/j-cast.com/', $inyoumoto):
  $inyoumoto2 = "JCASTニュース";
  break;
case preg_match('/mess-y.com/', $inyoumoto):
  $inyoumoto2 = "メッシー";
  break;
case preg_match('/reuters.com/', $inyoumoto):
  $inyoumoto2 = "ロイター";
  break;
case preg_match('/news.tv-asahi.co.jp/', $inyoumoto):
  $inyoumoto2 = "テレビ朝日";
  break;
case preg_match('/dot.asahi.com/', $inyoumoto):
  $inyoumoto2 = "AERAdot.";
  break;
case preg_match('/www.sankei.com/', $inyoumoto):
  $inyoumoto2 = "産経新聞";
  break;
case preg_match('/headlines.yahoo.co.jp/', $inyoumoto):
  $inyoumoto2 = "yahooニュース";
  break;
case preg_match('/www.fnn-news.com/', $inyoumoto):
  $inyoumoto2 = "FNNニュース";
  break;
default:
  $inyoumoto2 = "未登録の引用元です。";
  break;
}

このコードを利用した所
「8割」ぐらいは条件通りに動いてくれたのですが
たまに
「未登録の引用元」なのに「共同通信」や「産経新聞」と表示されたり
「登録されている引用元」なのに「別の引用元」の名前が表示されたりといった事も発生しています。
(普段は「未登録の引用元」だと正常に表示されるのですが、たまに「別の引用元の企業名」が表示されます。)

なんとか解決出来ないかと2日間ぐらい頭を沸騰させながら悩み続けたのですが上手くいきません。

勉強中の初心者が作ったコードなので
どこかが間違っているのだとは思うですが中々見つける事が出来ません。
どこか変な場所等がありましたら教えて頂けると嬉しいです。

【悩んでいる時に特に参考にしたサイト】

正規表現
http://php.o0o0.jp/article/3179155697556829

switch文
http://qiita.com/tkykmw/items/ee0ab7bf502361f413d8

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

+2

スクレイピングは、スクレイピング先に迷惑をかける可能性があるので、初心者が手を出すべき技術ではありません。

また、「スクレイピング」を使ったサイトは、色々検討すべき箇所があるので、こちらを読んでみて下さい。
スクレイピング!その前に

スクリプトに関しては、正規表現の理解が足りていません。
/this.kiji.is/
.は特別な意味を持ちます。
再現する$entryを保存して、$inyoumotoの中身を確認すれば、なにが合致したのかはわかると思います。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2017/07/19 07:53

    回答有難うございます。

    スクレイピングに関しては以前もこちらにて教えて頂いた事もあり
    現在、ネットを経由しての取得ではなく
    「一度ソースを.phpファイルに保存」してそのファイルをfile_get_contents()で利用しています。

    優しいお言葉有難うございます。
    もっと勉強を重ねて、実力を付けてからcronで1時間に1度とかに実行という風に利用していきたいと思います。

    また、正規表現に付いて教えてくださって有難うございます。
    勉強したはずだったのにすっかりとメタ文字に対してのエスケープ処理についての事が失念していました。

    プログラムについて悩んでいると頭を柔らかくして考えることの重要性が身にしみます。

    ご回答有難うございます。
    今、正規表現にて「エスケープ処理」と「最長一致」で結果を試しています。
    これで上手くいければいいなと期待を込めながら頑張ってみます。
    結果についても分かりましたらご報告したいと思います。感謝

    キャンセル

  • 2017/07/19 08:44

    色々試してみた結果、正規表現の事について教えて頂く前よりも
    高い精度で正常な動きをしてくれるようになりました。

    有難うございます。本当に助かりました。

    残りの誤差みたいな間違いは、まだ正規表現の使い方の学習が足りていないのだと理解出来ましたので
    これからも、もっともっと勉強を進めていこうと思います。

    今回は本当に助けて頂きまして有難うございます。感謝です。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.80%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る

  • トップ
  • PHPに関する質問
  • 【PHP】【switch文】想定外の挙動をするのを解決したいです。【正規表現:条件と違うものが選ばれる事があります】