Question

我想在<p>和</p>之间捕获最多四组文字。我可以使用以下正则表达式来做到这一点： <h5>Trivia<\/h5><p>(.*)<\/p><p>(.*)<\/p><p>(.*)<\/p><p>(.*)<\/p>

要匹配的文字：

<h5>Trivia</h5><p>Was discovered by a freelance photographer while sunbathing on Bournemouth Beach in August 2003.</p><p>Supports Southampton FC.</p><p>She has 11 GCSEs and 2 'A' Levels.</p><p>Listens to soul, R&B, <a href="/name/nm0005567/">Stevie Wonder</a>, <a href="/name/nm0291349/">Aretha Franklin</a>, <a href="/name/nm0713378/">Usher Raymond</a>, <a href="/name/nm0001391/">Michael Jackson</a> and <a href="/name/nm0584117/">George Michael</a>.</p>

输出四行文字。如果有更多琐事项目或<p>次出现，它也可以按预期工作。

但如果少于4个琐事项目或<p>组，则不会输出任何内容，因为它找不到第四组。如何使该组可选？

我已经尝试过：<h5>Trivia<\/h5><p>(.*?)<\/p>(?:<p>(.*?)<\/p>)?(?:<p>(.*?)<\/p>)?(?:<p>(.*?)<\/p>)?(?:<p>(.*?)<\/p>)?并根据http://gskinner.com/RegExr/工作，但如果我把它放在PHP代码中则不起作用。它只检测一个组并将所有内容放入其中。

Answer 1

您可以使用问号使每个<p>...</p>成为可选项：

$pattern = '~<h5>Trivia</h5>(?:<p>(.*?)</p>)?(?:<p>(.*?)</p>)?(?:<p>(.*?)</p>)?(?:<p>(.*?)</p>)?~';

使用Dom也是一个不错的选择。

Answer 2

这个神奇的词要么是“逃避”，要么是“分隔符”，请继续阅读。

第一个正则表达式：
<h5>Trivia<\/h5><p>(.*)<\/p><p>(.*)<\/p><p>(.*)<\/p><p>(.*)<\/p>
之所以有效，是因为您将/等标记中的</h5>个字符转义为<\/h5>。

但是在你的第二个正则表达式中（正确地将每个段落包含在一个可选的非捕获组中，获取1到5个段落）：
<h5>Trivia</h5><p>(.*?)</p>(?:<p>(.*?)</p>)?(?:<p>(.*?)</p>)?(?:<p>(.*?)</p>)?(?:<p>(.*?)</p>)?
你忘了逃避那些/个字符那应该是：
$pattern = '/<h5>Trivia<\/h5><p>(.*?)<\/p>(?:<p>(.*?)<\/p>)?(?:<p>(.*?)<\/p>)?(?:<p>(.*?)<\/p>)?(?:<p>(.*?)<\/p>)?/';

以上假设您将正则表达式置于两个/“分隔符”字符之间（超出常规习惯）。

要深入潜入兔洞，应该注意到在php中，正则表达式的第一个和最后一个字符通常是“delimiter”，因此最后可以添加修饰符（如不区分大小写等。）

因此，您也可以使用~字符（或#等）作为分隔符，而不是转义正则表达式。
因此，您也可以使用您发布和封装的相同（第二个）正则表达式，例如： $pattern = '~<h5>Trivia</h5><p>(.*?)</p>(?:<p>(.*?)</p>)?(?:<p>(.*?)</p>)?(?:<p>(.*?)</p>)?(?:<p>(.*?)</p>)?~';

这是一个有效的（基于网络的）example，使用#作为分隔符（只是因为我们可以）。

正则表达式可选组

2 个答案: