[英]Limit the number of results using preg_match_all PHP
有什么方法可以限制使用preg_match_all
返回的匹配项数量?
例如,我只想匹配网页上的前 20 个<p>
标签,但有 100 个<p>
标签。
干杯
不可以,不能限制preg_match_all
结果集的计算。 之后您只能使用array_slice
或array_splice
限制结果(这将需要PREG_SET_ORDER ):
preg_match_all($pattern, $subject, $matches, PREG_SET_ORDER);
$firstMatches = array_slice($matches, 0, 20);
但除此之外,您无论如何都不应该使用正则表达式来解析 HTML。 虽然现代的正则表达式引擎不再是正则的,可以处理像 HTML 这样的不规则语言,但是太容易出错了。 最好使用合适的 HTML 解析器,而不是像PHP 的 DOM 库之一。 然后只需使用计数器最多只能获得 20 个匹配项:
$doc = new DOMDocument();
$doc->loadHTML($code);
$counter = 20;
$matches = array();
foreach ($doc->getElementsByTagName('p') as $elem) {
if ($counter-- <= 0) {
break;
}
$matches[] = $elem;
}
$matches = array();
preg_match_all ( $pattern , $subject , $matches );
$twenty = array_slice($matches , 0, 20);
只需匹配所有并切片结果数组:
$allMatches = array ();
$numMatches = preg_match_all($pattern, $subject, $allMatches, PREG_SET_ORDER);
$limit = 20;
$limitedResults = $allMatches;
if($numMatches > $limit)
{
$limitedResults = array_slice($allMatches, 0, $limit);
}
// Use $limitedResults here
您可以使用T-Regx库:
pattern('<p>')->match($yourHtml)->only(20);
这才是真正的答案; 最节省内存的方式。
改为通过preg_replace_callback()
使用引用分配。
<?php
$matches = [];
preg_replace_callback(
'~<p(?:\s.*?)?>(?:.*?)</p>~s',
function (array $match) use (&$matches) {
$matches[] = $match[0];
},
$html,
20,
$_
);
var_dump($matches);
为了扩展 @Gumbo 使用 DOM 解析器而不是正则表达式的伟大建议,以下代码段将使用带有position()
条件的 XPath 查询来限制目标标签。
代码:(针对 5 个标签中的 4 个的演示)
$html = <<<HTML
<div>
<p class="classy">1
</p>
<p>2</p>
<p data-p="<p>notatag</p>">3</p>
<span data-monkeywrench='<p'>z</span>
<p
data-p="<p>notatag</p>">4</p>
<p>5</p>
</div>
HTML;
$dom = new DOMDocument();
$dom->loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
$xpath = new DOMXPath($dom);
foreach ($xpath->query('//p[position() <= 4]') as $p) {
echo var_export($p->nodeValue, true) , "\n---\n";
}
输出:
'1
'
---
'2'
---
'3'
---
'4'
---
我不这么认为,但preg_match确实有一个offset
参数,还有一个PREG_OFFSET_CAPTURE
标志,当组合时,可以用来获得“下一场比赛”。
如果您不想获得所有结果,然后将array_slice()
去掉一部分,这将非常有用:o)
编辑:好的,这是一些代码(未经测试或以任何方式使用):
$offset = 0;
$matches = array();
for ($i = 0; $i < 20; $i++) {
$results = preg_match('/<p(?:.*?)>/', $string, PREG_OFFSET_CAPTURE, $offset);
if (empty($results)) {
break;
} else {
$matches[] = $results[0][0];
$offset += $results[0][1];
}
}
您可以使用preg_match_all()
并丢弃您不感兴趣的匹配项,或者您可以使用带有preg_match()
的循环。 如果您担心扫描大字符串的费用,则第二个选项会更好。
此示例限制为 2 个匹配项,而整个字符串中实际上有 3 个匹配项:
<?php
$str = "ab1ab2ab3ab4c";
for ($offset = 0, $n = 0;
$n < 2 && preg_match('/b([0-9])/', $str, $matches, PREG_OFFSET_CAPTURE, $offset);
++$n, $offset = $matches[0][1] + 1) {
var_dump($matches);
}
真的, while
循环可能比反射时的for
循环更清晰;)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.