php preg_match_all反向引用

Question

对于以下输入字符串，模式和：

$str1 = 'span class="outline">Iron Man butts heads with Nick Fury and Shield after HYDRA attacks a meeting of the United Nations.</span>
<span class="credit">
    Dir: <a href="/name/nm0381817/">Vinton Heuck</a>, <a href="/name/nm1367649/">Ciro Nieli</a>, <a href="/name/nm1367649/">Aditya Parikh</a>'

$pattern='/class=&quot;credit&quot;&gt;[\s]+?Dir:([,\s]+?&lt;a[\s]+?href=&quot;\/name\/nm\d{7}\/&quot;&gt;([\/\(\)-:@!%*#=_|?$&;.\w\s]+?)&lt;\/a&gt;)+/um';

preg_match_all($pattern,$str1,$dir);

print_r的输出如下：

Array ( [0] => Array ( [0] => class="credit"> Dir: <a href="/name/nm0381817/">Vinton Heuck</a>, <a href="/name/nm1367649/">Ciro Nieli</a>, <a href="/name/nm1367649/">Aditya Parikh</a> ) [1] => Array ( [0] => , <a href="/name/nm1367649/">Aditya Parikh</a> ) [2] => Array ( [0] => Aditya Parikh ) )

你可以看到Array [2]给了Aditya Parikh，我也希望收到Vinton Heuck和Ciro Nieli。 但没有。

任何解决方案

Answer 1

preg_match_all返回的匹配数组背后的逻辑并不那么明显。

首先，不要使用正则表达式来解析html。 照这样说：

你得到的结果是$array[paren_num][match_num] 。

一个基本的例子： abc针对正则表达式/(.)/会返回以下匹配数组：

Array
(
    [0] => Array
        (
            [0] => a
            [1] => b
            [2] => c
        )

    [1] => Array
        (
            [0] => a
            [1] => b
            [2] => c
        )

)

索引0包含所有消耗的数据。 索引1表示它是第一个反向引用（我们只有1个括号）。 其中的0-2索引对应于每个匹配。 换句话说，表达式运行了3次，直到完成。

我希望这有帮助。

Answer 2

您应该考虑使用DOM解析器。 例如， 这一个 。 正则表达式无法正确解析HTML。

但是，这就是为什么您的方法不能按预期工作的原因：

您对所有3个名称使用相同的捕获组。 但是一个捕获组只有一个数字，所以你总是会得到最后捕获的东西（最右边的名字）。 但即使您只匹配一个名称（任意远离span标记），您也会遇到另一个问题：

匹配不能重叠。 由于您想要的所有三个匹配项至少包含class="credit"> Dir:以及一些更常见的文本，因此您无法获得所有这些匹配项。 你可以用一个lookbehind断言来解决这个问题（因为它不是匹配的一部分），但不幸的是PHP不允许可变长度的lookbehinds（这是必需的）。 有一些解决方法可以解决这个问题，但在一天结束时，您最好使用DOM解析器。

以下是使用我上面链接的解析器的基本示例：

require "simple_html_dom.php";

$html = str_get_html($str1);

$names = array();
foreach($html->find('span[class=credit] a') as $link)
    $names[] = $link->innertext;

print_r($names);

导致：

Array
(
    [0] => Vinton Heuck
    [1] => Ciro Nieli
    [2] => Aditya Parikh
)