用於嵌套 Div 標簽的 PHP RegExp

Question

我需要一個可以與 PHP 的 preg_match_all() 一起使用的正則表達式來匹配 div 標簽中的內容。 div 看起來像這樣：

<div id="t1">Content</div>

到目前為止，我已經提出了這個正則表達式，它匹配了 id="t[number]" 的所有 div

/<div id="t(\\d)">(.*?)<\\/div>/

問題是當內容包含更多 div 時，嵌套的 div 如下所示：

<div id="t1">Content <div>more stuff</div></div>

關於如何使我的正則表達式與嵌套標簽一起工作的任何想法？

謝謝

Answer 1

嘗試使用解析器：

require_once "simple_html_dom.php";
$text = 'foo <div id="t1">Content <div>more stuff</div></div> bar <div>even more</div> baz  <div id="t2">yes</div>';
$html = str_get_html($text);
foreach($html->find('div') as $e) {
    if(isset($e->attr['id']) && preg_match('/^t\d++/', $e->attr['id'])) {
        echo $e->outertext . "\n";
    }
}

輸出：

<div id="t1">Content <div>more stuff</div></div>
<div id="t2">yes</div>

在此處下載解析器： http : //simplehtmldom.sourceforge.net/

編輯：更多為了我自己的娛樂，我試圖用正則表達式來做。 這是我想出的：

$text = 'foo <div id="t1">Content <div>more stuff</div></div> bar <div>even more</div>
      baz <div id="t2">yes <div>aaa<div>bbb<div>ccc</div>bbb</div>aaa</div> </div>';
if(preg_match_all('#<div\s+id="t\d+">[^<>]*(<div[^>]*>(?:[^<>]*|(?1))*</div>)[^<>]*</div>#si', $text, $matches)) {
    print_r($matches[0]);
}

輸出：

Array
(
    [0] => <div id="t1">Content <div>more stuff</div></div>
    [1] => <div id="t2">yes <div>aaa<div>bbb<div>ccc</div>bbb</div>aaa</div> </div>
)

和一個小解釋：

<div\s+id="t\d+">  # match an opening 'div' with an id that starts with 't' and some digits
[^<>]*             # match zero or more chars other than '<' and '>'
(                  # open group 1
  <div[^>]*>       #   match an opening 'div'
  (?:              #   open a non-matching group
    [^<>]*         #     match zero or more chars other than '<' and '>'
    |              #     OR
    (?1)           #     recursively match what is defined by group 1
  )*               #   close the non-matching group and repeat it zero or more times
  </div>           #   match a closing 'div'
)                  # close group 1
[^<>]*             # match zero or more chars other than '<' and '>'
</div>             # match a closing 'div'

現在也許您明白為什么人們試圖說服您不要為此使用正則表達式。 如前所述，如果 html 格式不正確，這將無濟於事：我向您保證，正則表達式會比 html 解析器造成更大的輸出混亂。 此外，正則表達式可能會讓您眼花繚亂，您的同事（或將維護您的軟件的人）可能會在看到您所做的事情后來找您。 :)

最好的辦法是首先清理你的輸入（使用TIDY或類似的），然后使用解析器來獲取你想要的信息。

Answer 2

如果你相信這個人，至少有一個正則表達式可以解決這個問題，他說它比 dom 方法更快......我同意他的看法。

http://www.php.net/manual/fr/regexp.reference.recursive.php#95568

$pattern = "/<([\w]+)([^>]*?) (([\s]*\/>)| (>((([^<]*?|<\!\-\-.*?\-\->)| (?R))*)<\/\\1[\s]*>))/xsm";

Answer 3

我認為使用一些DOM 工具會更好

Answer 4

正如我最近發現的那樣，正則表達式不能做到這一點。

匹配對標簽與正則表達式

我最終使用了 xpath，它的作用就像一個魅力