Question

您好我正在使用此正则表达式来获取测试中的文本

<div id = "test">text</div>

$regex = "#\<div id=\"test\"\>(.+?)\<\/div\>#s";

但如果情况发生变化，例如

<div class="testing" style="color:red" .... more attributes and id="test">text</div>

或

<div class="testing" ...some attributes... id="test".... some attributes....>text</div>

或

<div id="test" .........any number of attributes>text</div>

那么上面的正则表达式将无法在div标签之间提取文本。在第一种情况下，如果在div标签的id属性前面放置了更多属性，即id属性是上一个正则表达式不起作用的最后一个属性。在第二种情况下，id属性在某些属性之间，在第三种情况下，它是div标签的第一个属性。我是否可以使用符合上述3个条件的正则表达式，以便通过仅指定ID 来提取div标签之间的文本。必须只使用正则表达式:(。

请帮助

谢谢....

Answer 1

我强烈建议an HTML parser让自己免于never-ending grief of trying to write a regular expression to parse HTML/XML。

Answer 2

我建议您通过xpath获取该DOM元素，该元素的xpath表达式为：

//div[@class="testing"]

所有这些都可以通过PHP DOMDocument扩展或使用SimpleXML扩展来完成。两者都使用PHP发送99.9％，与正则表达式扩展相同，一些粗略的示例代码（demo）：

echo simplexml_import_dom(@DOMDocument::loadHTML($html))
         ->xpath('//div[@class="testing"]')[0];

Xpath是一种用于查询XML文档中的元素和数据的专用语言，其中正则表达式是更简单字符串的语言。

修改： ID相同：http://codepad.viper-7.com/h1FlO0

//div[@id="test"]

我想你很快就能理解这些简单的xpath表达式是如何工作的。

Answer 3

这里是DOM的答案（有点肮脏但有效）

$aPieceOfHTML = '<div class="testing" id="test" style="color:red">This is my text blabla<div>';

$doc = new DOMDocument();
$doc->loadHTML($aPieceOfHTML);
$div = $doc->getElementsByTagName("div");
$mytext = $div->item(0)->nodeValue;

echo $mytext;

这是克苏鲁的方式：

$regex = '/(?<=id\=\"test\"\>).*(?=\<\/div\>)/';

<强>声明绝不保证这将适用于所有情况（远离它）。事实上，如果出现以下情况，则会失败：

id="test"不是最后一个标记属性
如果id="test"与结束>之间有空格（或任何内容）。
如果div标签未正确关闭</div>
如果标签是用大写字母写的
如果标签属性是用大写字母写的
我不知道......在更多情况下这可能会失败

我可以尝试写一个更复杂的正则表达式，但我不认为我能想出比这更好的东西。此外，当您使用PHP构建的其他工具可以更好地解析HTML时，这似乎是浪费时间。

如何在id属性之前获取包含类，样式等属性的div标记之间的文本。我需要使用正则表达式

3 个答案: