Question

我正在解析HTML代码并被卡住了。我希望有人帮助我。详细代码请点击此链接：http://regexr.com?369sg

我希望得到任何匹配：

<td class="weekday reservation alternate fixwidth calday fixwidth " > ? </td><!--1-->
<td class="weekend reservation alternate fixwidth calday fixwidth " > ? </td><!--2-->
<td class="weekday calday fixwidth">&nbsp;</td><!--3-->
<td class="weekend calday fixwidth">&nbsp;</td><!--4-->

如果我使用这种模式：

/<td class="(weekday|weekend) reservation (primary|alternate) fixwidth calday fixwidth " >(.*?)<\/td>/

我只有1号和2号，如果我使用这种模式：

/<td class="(weekday|weekend) calday fixwidth">(.*?)<\/td>/

我只得到了3,4号。

如何使用一种模式匹配上面的所有数字（1,2,3,4）？无论如何，我正在使用preg_match_all函数。

请帮帮我，谢谢。

Answer 1

除了你最好使用一个html解析器，这里有一个正则表达式来完成这项工作：

/<td class="(weekday|weekend) (?:reservation (primary|alternate) fixwidth )?calday fixwidth " >(.*?)<\/td>/

Answer 2

我相信Stack Overflow要求我说使用正则表达式来刮HTML：

不要使用正则表达式作为独立的解析器。
DO 使用正则表达式，如果您只是想找到一些字符串，而某些文字和语言的功能无关紧要。

所以这是一个新的正则表达式：

<td.+?class="(?:weekday|weekend)(?:\s+reservation\s+(?:primary|alternate)\s+fixwidth\s+|\s+)calday fixwidth.*?"[^>]*>(.+?)</td>

REY

<td.+?class=：这样您就可以在<td和class之间拥有任何内容。所以，如果你有其他属性，你会很酷。请注意像+?这样的惰性量词会有性能损失。所以不要这样做一百万次。
(?:weekday|weekend)：与之前完全相同，只是它是非捕获组。我使用非捕获组，以便$matches[1]拥有您正在寻找的代码。
(?:\s+reservation\s+(?:primary|alternate)\s+fixwidth\s+|\s+)：这将匹配前两个示例中的字符串，或者只匹配最后两个示例中的空格。我考虑过只做.+?，如果这些类不重要那就做了。
calday fixwidth.*?"：这允许任何其他类。
"[^>]*>：这允许更多属性，但效果比.*?更好。
(.+?)</td>：模式结束。

请注意，如果您有嵌套匹配项，则会失败，而您需要使用解析器：

<td class="weekday calday fixwidth">
   <table><tr>
      <td class="weekday calday fixwidth">&nbsp;</td>
   </tr></table>
</td>

结果会有一个匹配：

    <td class="weekday calday fixwidth">
   <table><tr>
      <td class="weekday calday fixwidth">&nbsp;</td>

第1组将是：

  <table><tr>
      <td class="weekday calday fixwidth">&nbsp;

<强>替代

而不是这种特定的模式，我会尝试更灵活的替代方案：

<td.+?class="(?:[^"]*(?:weekday|weekend|primary|alternate|calday|fixwidth)){3,}[^"]*"[^>]*>(.+?)</td>

REY

这使用了一个向前看，尝试匹配具有td属性的class，并且在更改中至少有三个实例。

需要帮助来解析HTML代码

2 个答案:

REY

REY