如何使用正则表达式匹配多个段落？

Question

我想处理网页中的 html 并提取符合我的条件的段落。 正则表达式的风格是 PHP。

这是示例网页 HTML：

<div class="special">
    <p>Some interesting text I would like to extract</p>
    <p>More interesting text I would like to extract</p>
    <p>Even more interesting text I would like to extract</p>
</div>

正则表达式在<div class="special">和</div>标记之间查找，并将所有内容放入捕获组或变量中以供下一步参考。 下一步是我遇到的问题。 我一生都无法编写一个正则表达式来捕获<p>和</p>之间的每一段文本。

我试过/<p>(.+?)<\\/p>/s返回：

<p>Some interesting text I would like to extract</p>
<p>More interesting text I would like to extract</p>
<p>Even more interesting text I would like to extract</p>

我希望每个段落都作为数组中的项目单独返回。 非贪婪? 似乎不起作用。 有什么建议？

Answer 1

您必须为 p 标签转义斜杠。

所以这将是

/<p>(.+?)<\/p>/s

Answer 2

那么蠢！ 正则表达式完美运行。 所有的正则表达式都能完美地工作。 问题在于输入。 我正在处理的输入 HTML 文件具有以下结构，这使得正则表达式不起作用。

<p>Some interesting text I would like to extract
<p>More interesting text I would like to extract
<p>Even more interesting text I would like to extract</p></p></p>

我使用 var_dump(htmlfile.html) 查看我得到的 HTML 页面，但我的浏览器处理了它，所以我没有得到原始数据。 我能够通过使用以下方法获取原始数据并找到我的错误：

include 'filename.php'; 
file_put_contents('filename.php', $data);

现在我知道不要相信我的浏览器会再次返回原始数据！