Question

尝试匹配标记的内容，但不包含任何其他标记。我有一些格式错误的HTML我试图清理。
简单来说：

    <td><ins>sample content</td>
    <td>other content</td>
</tr>
<tr>
    <td>remaining</ins>other copy</td>

我想捕捉“示例内容”，它之前的html（<td><ins>）以及之后的html，最多并排除</ins＆gt;

我相信我正在寻找的是一个消极的未来，但我对于如何在PHP中工作有点迷失。

Answer 1

由于您不知道未关闭的开始标记是什么，因此您正在创建一个简单的解析器。

您需要循环播放内容，并在每次遇到开启角度括号<时停止。这真的应该用 AWK 完成;但是，如果你必须使用PHP，你会做这样的事情

<?php

    $file = file_get_contents('path/to/file');
    $file = preg_replace( '/[\n\r\t]/' , '' , $file );

    $pieces = explode( '<' , $file );
    if ( !$pieces[0] ) array_shift($pieces);

    /* Given your example code, $pieces looks like this
    $pieces = array(
        [0] => 'td>',
        [1] => 'ins>sample content',
        [2] => '/td>',
        [3] => 'td>other content',
        [4] => '/td>',
        [5] => '/tr>',
        [6] => 'tr>',
        [7] => 'td>remaining',
        [8] => '/ins>other copy',
        [9] => '/td>'
    );
    */

    $openers = array();//$openers = [];
    $closers = array();//$closers = [];
    $brokens = array();//$brokens = [];

    for ( $i = 0 , $count = count($pieces) ; $i < $count ; $i++ ) {
        //grab everything essentially between the brackets
        $tag = strstr( $pieces[$i] , '>' , TRUE );
        $oORc = strpos( $pieces[$i] , '/' );

        if ( $oORc !== FALSE ) {
            //store this for later (and maintain $pieces' index)
            $closers[$i] = $tag;
            $elm = str_replace( '/' , '' , $tag );
            if ( ( $oIndex = array_search( $elm , $openers ) ) && count($openers) != count($closers) ) {
                //more openers than closers ==> broken pair
                $brokens[$oIndex] = $pieces[$oIndex];
                $cIndex = array_search( $tag, $closers );
                $brokens[$cIndex] = $pieces[$cIndex];
                //remove the unpaired elements from the 2 arrays so count works
                unset( $openers[$oIndex] , $closers[$cIndex] );
            }
        } else {
            $openers[$i] = $tag;
        }//fi

    }//for

    print_r($brokens);

?>

$brokens中的索引是来自$pieces的索引，其中出现格式错误的html，其值为违规标记及其内容：

$brokens = Array(
    [1] => ins>sample content
    [8] => /ins>other copy
);

警告这不会考虑像<br />或<img />这样的自动关闭标签（但这就是为什么你应该使用已经存在的许多软件应用程序中的一个）。

正则表达式匹配开放标记以外的内容

1 个答案: