使用正則表達式模式重復捕獲組
[英]Repeating capture group with a regex pattern
問題描述
我正在嘗試從網站上獲取產品列表，包括各個產品代碼。 產品代碼是5位代碼，元素的復雜程度從
<p>Part Number: 67001</p>
<p>Part Number: 50545 – 450g Cartridge 50525 - 2.5kg Tub 50520 - 20kg Pail 50555 - 55kg Drum 50575 *Indent - 175kg Drum</p>
不幸的是，五位數字模式遍及整個網頁，所以我不能只使用/\\d{5}/
我使用的是正則表達式，該正則表達式僅提取“零件號”元素中的5位數字，而不提取網頁的其余部分。
類似於： /\\<p\\>Part\\s*Number\\:\\s*((\\d{5}) repeat this capture group n times)\\<\\/p\\>/
我知道我可以做到這一點，可以分階段分解頁面並逐個應用一個正則表達式。 例如
第一階段/\\<p\\>Part\\s*Number\\:\\s*.*?\\<\\/p\\>/
第二階段/\\d{5}/
但是有可能以一種正則表達式模式執行嗎？
2 個解決方案
解決方案1
2 2017-07-24 23:45:19
我現在比一年前要聰明得多，所以我完全抹掉了最初的建議。 嘗試解析有效的html時，最好/最可靠的方法是使用dom解析器。 XPath使節點/元素搜尋超級容易。 一旦取消了不包含Part Number關鍵字的<p>標記的資格，則正則表達式模式仍然是一種合適的工具。
代碼：（ 演示 ）
$html = <<<HTML
<p>Zip Code: 99501</p>
<p>Part Number: 67001</p>
<p>Part Number: 98765 - 10000kg capacity</p>
<p>Some dummy/interfering text. Part Number: 12345</p>
<p>Zip Codes: 99501, 99524 , 85001 and 72201</p>
<p>Part Number: 50545 – 450g Cartridge 50525 - 2.5kg Tub 50520 - 20kg Pail 50555 - 55kg Drum 50575 *Indent - 175kg Drum</p>
HTML;
$partnos = [];
$dom = new DOMDocument;
$dom->loadHTML($html);
$xpath = new DOMXPath($dom);
foreach ($xpath->query("//p[starts-with(., 'Part Number: ')]") as $node) {
// echo "Qualifying text: {$node->nodeValue}\n";
if (preg_match_all('~\b\d{5}\b~', $node->nodeValue, $matches)) {
$partnos = array_merge($partnos, $matches[0]); //or array_push($partnos, ...$matches[0]);
}
}
var_export($partnos);
輸出：
array (
0 => '67001',
1 => '98765',
2 => '50545',
3 => '50525',
4 => '50520',
5 => '50555',
6 => '50575',
)
xpath查詢說：
//p #find p tags at any level/position in the dom
[starts-with(. #with a substring at the start of the node's text
, 'Part Number: ')] #that literally matches "Part Number: "
正則表達式模式使用單詞邊界元字符 （ \\b ）來區分零件編號和非零件編號。 如果由於問題中未包含某些數據而需要調整模式，請告知我們，我們將提供進一步的指導。
最終，我調情了一個純正則表達式解決方案，該解決方案將\\G包含在“ Part Number:或之前的匹配之后以“繼續”匹配，但是這種類型的模式很難概念化，並且dom解析器再次是更穩定的工具與正則表達式處理有效的html時。
解決方案2
0 2017-07-24 21:45:31
如果我正確理解了您的問題，則應該可以執行以下操作：
Part\\sNumber:\\s(\\d{5})
假設您的字符串包含所有的Part Number ，如下所示：
<p>Part Number: 67001</p>
<p>Part Number: 50545 – 450g Cartridge 50525 - 2.5kg Tub 50520 - 20kg Pail 50555 - 55kg Drum 50575 *Indent - 175kg Drum</p>
<p>Part Number: 23425 - 55kg Drum 50575 *Indent - 175kg Drum</p>
<p>Part Number: 52232</p>
使用正則表達式提取URL參數 - 重復捕獲組
聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.