一个困扰我的简单正则表达式

Question

我有以下文字：

<!--:en-->&nbsp;

<!--:-->

我想构建一个模式以从字符串（PHP）中提取它。我试着用：

<!--:[a-z]{2}-->(&nbsp;\r\n\s)<!--:-->

但它不起作用，有人知道为什么或可以帮助我吗？

Answer 1

You probably don't want to use regex to parse XML/HTML.

那对于很多reasons。

相反，通常您更愿意使用tools made for this specific task进行解析。

---

无论如何，你需要的更像是：

( |\s)*

Answer 2

您需要转义特殊字符，例如连字符。试试这个：

/<\!\-{2}\:[a-z]{2}\-\->((&nbsp;|\s)*)<\!\-{2}\:\-{2}>/

Answer 3

如果我正确理解了您的问题，您必须匹配整个文本，包含评论。

所以，严格来说你的具体问题，我会用这样的东西：

$s = "<!--:en-->&nbsp; 

<!--:-->";

$a = array();
preg_match('/<!--:[a-z]{2}-->&nbsp;\\s+<!--:-->/', $s, $a);

for ($i = 0; $i < count($a); $i++) {
  var_dump(htmlentities($a[$i]));
}

一般来说，我不怀疑你是否应该使用正则表达式解析HTML，但是请注意，当他说用现实表达式逼真地解析HTML时，Colin是正确的非常难（读“几乎不可能”），正如他所表明的职位所述。