Question

所以我要解析许多大文本段落。最终目标是将段落分成较小的帖子，因此我可以将它们插入到mysql中。

以下是字符串中某个段落的简短示例：

<?php
$longstring = '

(<b>John Smith</b>) at <b class="datetimeGMT">2011-01-10 22:13:01 GMT</b><hr>
Lots of text entered here under the first line.<br>And most of it is html, since it is for displaying in a web browser.<br></br></br>

(<b>Alan Slappy</b>) at <b class="datetimeGMT">2011-01-11 13:12:00 GMT</b><hr>
Forgot to put one more thing in the notes.........<br>blah blah blah
(<b>Joe Mama</b>) at <b class="datetimeGMT">2011-01-13 10:15:00 GMT</b><hr>
Groceries list:<br>Watermelons<br>Floss<br><br>email doctor
';

?>

是的，我有一个奇怪的项目，为每个条目解析这些字符串。是的，我同意任何人的观点，这不是一项很酷的任务。原始开发人员允许将文本附加到原始文本。对某些场合来说并不是一个坏主意，但对我来说却是。

我确实需要帮助如何RegEx这个野兽并将它放入foreach循环中，以便我可以开始清理它。

这是我走了多远：

<?php

if(preg_match_all('/\(<b>.*?<hr>/', $longstring, $matches)){
print_r($matches);
}
/* output: 
Array 
( 
    [0] => Array 
        ( 
         [0] => (<b>John Smith</b>) at <b class="datetimeGMT">2011-01-10 22:13:01 GMT</b><hr>
         [1] => (<b>Alan Slappy</b>) at <b class="datetimeGMT">2011-01-11 13:12:00 GMT</b><hr> 
         [2] => (<b>Joe Mama</b>) at <b class="datetimeGMT">2011-01-13 10:15:00 GMT</b><hr> 
        ) 
) 
*/ 
?>

所以，我实际上在循环每个条目的顶部做得很好。我有点自豪我想到了这一点。（正则表达式是我的克星）

所以现在我不知道如何在每次迭代下包含实际文本。

任何人都知道我如何调整preg_match_all来解释每个“标题”下面的文字？

Answer 1

尝试使用preg_split：

$matches  = preg_split("/\s*(\(<b>.*?<hr>)\s*/s", trim($longstring), null, PREG_SPLIT_NO_EMPTY | PREG_SPLIT_DELIM_CAPTURE);

print_r($matches);

注意：修剪会应用于字符串以剪切前导和尾随空格。

结果将类似于

Array
(
    [0] => (<b>John Smith</b>) at <b class="datetimeGMT">2011-01-10 22:13:01 GMT</b><hr>
    [1] => Lots of text entered here under the first line.<br>And most of it is html, since it is for displaying in a web browser.<br></br></br>
    [2] => (<b>Alan Slappy</b>) at <b class="datetimeGMT">2011-01-11 13:12:00 GMT</b><hr>
    [3] => Forgot to put one more thing in the notes.........<br>blah blah blah
    [4] => (<b>Joe Mama</b>) at <b class="datetimeGMT">2011-01-13 10:15:00 GMT</b><hr>
    [5] => Groceries list:<br>Watermelons<br>Floss<br><br>email doctor
)

Answer 2

如果您解析HTML而不是仅仅尝试正则表达式，这将更容易，除非您可以保证HTML的格式。

您可能需要查看Robust and Mature HTML Parser for PHP。

Answer 3

试试这个

if(preg_match_all('/\(<b>(?:(?!\(<b>).)*/s', $longstring, $matches)){
  print_r($matches);
}

PHP - 需要高级正则表达式帮助

3 个答案: