Question

我正在努力制作我的第一个正则表达式。我希望能够匹配一个伪HTML元素并提取有用的信息，如标签名称，属性等：

$string = '<testtag alpha="value" beta="xyz" gamma="abc"  >';

if (preg_match('/<(\w+?)(\s\w+?\s*=\s*".*?")+\s*>/', $string, $matches)) {
    print_r($matches);
}

除了，我得到了：

Array ( [0] =>  [1] => testtag [2] => gamma="abc" )

任何人都知道如何获得其他属性？我错过了什么？

Answer 1

试试这个正则表达式：

/<(\w+)((?:\s+\w+\s*=\s*(?:"[^"]*"|'[^']*'|[^'">\s]*))*)\s*>/

但是你真的不应该使用正则表达式来处理像HTML这样的无上下文语言。请改用真正的解析器。

Answer 2

如前所述，不使用RegEx解析HTML文档。

请尝试使用此PHP解析器：http://simplehtmldom.sourceforge.net/

Answer 3

您的第二个捕获组一次匹配一个属性，每次都覆盖前一个属性。如果您使用的是.NET正则表达式，则可以使用Captures数组来检索单个捕获，但我不知道具有该功能的任何其他正则表达式。通常你必须做一些事情，比如捕获一个组中的所有属性，然后在捕获的文本上使用另一个正则表达式来打破各个属性。

这就是为什么人们倾向于喜欢正则表达式或讨厌他们（或两者兼而有之）。你可以用它们做一些真正令人惊奇的事情，但是你也会继续遇到这样一个非常困难的简单任务，如果不是不可能的话。

PHP RegEx分组多个匹配

3 个答案: