php preg_match_all反向引用

Question

對於以下輸入字符串，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的輸出如下：

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]給了Aditya Parikh，我也希望收到Vinton Heuck和Ciro Nieli。 但沒有。

任何解決方案

Answer 1

preg_match_all返回的匹配數組背后的邏輯並不那么明顯。

首先，不要使用正則表達式來解析html。 照這樣說：

你得到的結果是$array[paren_num][match_num] 。

一個基本的例子： abc針對正則表達式/(.)/會返回以下匹配數組：

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

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

)

索引0包含所有消耗的數據。 索引1表示它是第一個反向引用（我們只有1個括號）。 其中的0-2索引對應於每個匹配。 換句話說，表達式運行了3次，直到完成。

我希望這有幫助。

Answer 2

您應該考慮使用DOM解析器。 例如， 這一個 。 正則表達式無法正確解析HTML。

但是，這就是為什么您的方法不能按預期工作的原因：

您對所有3個名稱使用相同的捕獲組。 但是一個捕獲組只有一個數字，所以你總是會得到最后捕獲的東西（最右邊的名字）。 但即使您只匹配一個名稱（任意遠離span標記），您也會遇到另一個問題：

匹配不能重疊。 由於您想要的所有三個匹配項至少包含class="credit"> Dir:以及一些更常見的文本，因此您無法獲得所有這些匹配項。 你可以用一個lookbehind斷言來解決這個問題（因為它不是匹配的一部分），但不幸的是PHP不允許可變長度的lookbehinds（這是必需的）。 有一些解決方法可以解決這個問題，但在一天結束時，您最好使用DOM解析器。

以下是使用我上面鏈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);

導致：

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