多行正则表达式中是否存在捕获换行符号？

Question

在尝试使用php和preg *函数进行一些html抓取之前，我已经多次遇到过这个问题。

大部分时间我都要捕捉这样的结构：

<!-- comment -->
<tag1>lorem ipsum</tag>

<p>just more text with several html tags in it, sometimes CDATA encapsulated…</p>
<!-- /comment -->

特别是我想要这样的事情：

/<tag1>(.*?)<\/tag1>\n\n<p>(.*?)<\/p>/mi

但 \ n \ n 看起来不会起作用。

是否有一般的换行开关？

Answer 1

我认为您可以用\n\n取代(\r?\n){2}，这样就可以捕获CRLF对，而不仅仅是LF字符。

Answer 2

您确定要使用regexps解析HTML吗？ HTML不常规，并且有太多的极端情况。

我会调查某种形式的HTML解析器（也许是this one？），然后通过返回的HTML数据结构识别您感兴趣的模式。

Answer 3

或者您可以查看Dom Extension到php。它具有load html from a string or a file的功能。然后，您可以使用php dom方法遍历dom并找到您感兴趣的数据。