Question

在我尝试捕获此HTML中的某些数据时，我遇到了正则表达式的问题：

<ul>
       <li>Nombre de mots à traduire&nbsp;:&nbsp;41 mots.</li>
       <li>Nombre de mots partiellement traduits&nbsp;:&nbsp;164 mots.</li>
       <li>Nombre de mots traduits&nbsp;:&nbsp;792 mots.</li>
       <li>Nombre de correspondances exactes&nbsp;:&nbsp;808 mots.</li>
       <li>Nombre de répétitions internes&nbsp;:&nbsp;71 mots.</li>
       <li>Total&nbsp;:&nbsp;1876 mots.</li>
</ul>

我需要在PHP Regex中获取每个<li>的'mots'数量，但 : 它与数字粘在一起，我无法得到它。

我正在尝试使用第一个(?<=\btraduire : \s)(\w+)，但它没有意义......我无法以任何方式修改HTML，我无法使用html_entity_decode()

这个HTML动态变化，我的意思是这个数字的长度会改变，这只是一个例子。

有什么想法吗？

编辑：好的(\d+)\smots我可以得到它！ = D但如果我有：

<p>
    Langue source&nbsp;:&nbsp;FRA (FRA)<br/>
    Langue cible&nbsp;:&nbsp;ESP (ESP)
</p>

我想得到“FRA（FRA）”和“ESP（ESP）”，任何想法？

Answer 1

如果每个mots需要<li>的数量，您应该使用这样的正则表达式：

(\d+)\smots

但请注意，如果你试图解析HTML，你可能最好使用HTML解析器，因为正则表达式很难用非常规语法（即HTML，XML）

<强>更新

对于您的第二个查询，我会尝试这样的事情：

Langue.*([A-Z]{3})\s\(\1\)

在上面，第一个捕获组应该是语言。正则表达式的最后部分中的\1指的是第一个捕获组，这意味着FRA (FRA)将匹配，但FRA (BLA)不匹配。

Answer 2

您可以使用：

preg_match_all('~[0-9]+(?= mots.</li>)~', $html, $matches);
print_r($matches);

或更明确：

preg_match_all('~(?J)<li>(?:Nombre de (?<what>[^&]++)|(?<what>Total))[^0-9]+(?<quantity>[0-9]+)[^<]*</li>~i', $html, $matches, PREG_SET_ORDER);
print_r($matches);

为了您的编辑：

preg_match_all('~Langue (?<target>[^&\s]++);:&nbsp;\s*(?<language>[^\r\n<]+)\s*~i', $html, $matches, PREG_SET_ORDER);
foreach ($matches as $match) {
    printf("\n%s\t%s", $match['target'], $match['language']);
}

带有“”的正则表达式粘在内容上

2 个答案: