Question

用于以下输入字符串，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的输出如下：

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 ) )

正如你所看到的阵列[2]给了Aditya Parikh，我希望也接受Vinton Heuck和Ciro Nieli。但没有。

任何解决方案??

Answer 1

preg_match_all返回的匹配数组背后的逻辑并不那么明显。

首先，不要使用正则表达式来解析html。随着说：

您获得的结果是$array[paren_num][match_num]。

的形式

一个基本的例子： abc针对正则表达式运行/(.)/将返回以下匹配数组：

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

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

)

索引0包含所有使用的数据。索引1表示它是第一个反向引用（我们只有1个括号）。其中的0-2索引对应于每个匹配。换句话说，表达式运行了3次，直到完成。

我希望这会有所帮助。

Answer 2

您应该考虑使用DOM解析器。例如，this one。 Regular expressions just cannot properly parse HTML.

但是，这就是为什么你的方法不能按预期工作的原因：

您对所有3个名称使用相同的捕获组。但是一个捕获组只有一个数字，所以你总是会得到最后捕获的东西（最右边的名字）。但即使您只匹配一个名称（任意远离span标记），您也会遇到不同的问题：

匹配不能重叠。由于您想要的所有三个匹配项至少包含class="credit"> Dir:和一些更常见的文本，因此您无法获得所有这些匹配项。你可以用一个lookbehind断言来解决这个问题（因为它不是匹配的一部分），但不幸的是PHP不允许可变长度的lookbehinds（这是必需的）。有一些解决方法可以解决这个问题，但最终你最好使用DOM解析器。

以下是使用我上面链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);

导致：

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

php preg_match_all反向引用

2 个答案: