Question

我希望匹配表格中的特定表格。这是示例html和迄今为止失败尝试的摘要：

<table id="parent">
    <table class="possible_target">
            <tr><td>We're tageting this table</td></tr>
    </table>
</table>
<table class="possible_target">
    <tr><td>We're not targeteing this table</td></tr>
</table>

这是我最初的尝试。但即使它奏效了，它也可能与第二张未通过的表格相匹配：

~(?=<table.*?)<table class="possible_target".*?</table>~si

这是我对我想要完成的事情的sudo表达。在进行匹配之前，它会声明是否存在开始表标签以及没有关闭表标签：

~(?=<table.*?)(?!</table>)<table class="possible_target".*?</table>~si

Answer 1

我发现这很有趣，因为使用正则表达式和嵌套的html标签很有挑战性。

我的尝试确实（应该）以下内容：

1。）使用回调函数按深度枚举表。最低深度= 1

// html stuff to process
$source = "your input";

// specify tag to match
$rx_tag = "table";

// match all $rx_tag in depth (lowest = 1)
$rx_depth = 2;

// ----------------------------

// set markers using callback function
$source = preg_replace_callback('~<(/)?'.$rx_tag.'~i','set_tag_depth',$source);

function set_tag_depth($out)
{
  global $tag_depth;

  if($out[1]=="/") {
    $tag_depth--; return $out[0].($tag_depth+1);
  }

  $tag_depth++; return $out[0].$tag_depth;
}

#echo nl2br(htmlspecialchars($source));

2。）现在将表重命名为深度，例如对于<table2 ... </table2>内的表格，<table1, <table3 ... </table3>内的所有表格均为<table2，依此类推。现在很容易匹配所需深度的表格。然后剥离枚举，以防再次需要原始源。

// get specified tags in desired depth
$pattern = '~<'.$rx_tag.(string)$rx_depth.'.*</'.$rx_tag.(string)$rx_depth.'>~Uis';
preg_match_all($pattern,$source,$out);

// strip markers
if(!empty($out[0]))
{
  foreach($out[0] AS $v)
  {
    $v = preg_replace('~(</?'.$rx_tag.')\d+~i','\1',$v);

    // test output
    echo nl2br(htmlspecialchars($v))."<br>------------------------------<br>";
  }
}

$source = preg_replace('~(</?'.$rx_tag.')\d+~i','\1',$source);

如果标签包含相同类型的标签，那么这些标签不会从父母标签中删除，例如<table2>...</table2＆GT;可能包含<table3>...</table3> ... <table3>...</table3>。设置$rx_depth = 3;以获取这些内容。

我希望它能够正常工作，已经非常疲惫了:-)它的设计适用于任何类型的标签，但没有进行太多测试。至少是一个想法。

Answer 2

使用同名的父/兄弟标签搜索平衡文本的问题仅在属性上有所不同。

也就是说，你可以一次性收集所有潜在的父母候选人平衡标签然后在另一个通道中搜索“可能目标”的候选人。

需要2个几乎相同的正则表达式（仅按属性不同）有关详细信息，请参阅扩展的正则表达式（底部）。

PHP示例代码

// PHP sample code

 $html = 
 '
 <table id="parent">
    <table class="possible_target">
        C table data
    </table>
    <table class="possible_target">
        D table data
    </table>
 </table>

 <table id="parent">
   <table>
     <table class="possible_target">
              <tr><td>We\'re targeting this table</td></tr>
     </table>
   </table>
 </table>

 <table class="possible_target">
     <tr><td>We\'re not targeteing this table</td></tr>
 </table>
 '
 ;

 // Regexes -
 $rx_Parent = '~(?s)<table\s+id="parent">((?<Table_Core>(?:(?>(?:(?!</table\s*>|<table[\s>][^>]*(?<!/)>).)*)|(?<New_Table><table(?!\s+id="parent">)[\s>][^>]*(?<!/)>(?&Table_Core)</table\s*>))*))</table\s*>~';
 $rx_Target = '~(?s)<table\s+class="possible_target">((?<Table_Core>(?:(?>(?:(?!</table\s*>|<table[\s>][^>]*(?<!/)>).)*)|(?<New_Table><table(?!\s+class="possible_target">)[\s>][^>]*(?<!/)>(?&Table_Core)</table\s*>))*))</table\s*>~';

 // Match all possible parent candidates -
 if ( preg_match_all ( $rx_Parent, $html, $ParentMatches, PREG_PATTERN_ORDER ) )
 {
    print "\n============================\n";
    print_r( $ParentMatches[0] );
    print "\n\n";

    foreach( $ParentMatches[0] as $parent )
    {
        // Match each individual parent candidate possible targets -
        if ( preg_match_all ( $rx_Target, $parent, $TargetMatches, PREG_SET_ORDER ) )
        {
            print "\n-----------------\n>Found Valid Parent\n";
            foreach( $TargetMatches as $target )
            {
                print "Target:\n'" . $target[0] . "'\n";   // group 0
                print "Core = \n'" . $target[1] . "'\n";   // group 1
            }
        }
    }
 }
 else
 {
    print "No parents\n";
 }

输出＆gt;＆gt;

 ============================
 Array
 (
     [0] => <table id="parent">
    <table class="possible_target">
        C table data
    </table>
    <table class="possible_target">
        D table data
    </table>
 </table>
     [1] => <table id="parent">
   <table>
     <table class="possible_target">
              <tr><td>We're targeting this table</td></tr>
     </table>
   </table>
 )



 -----------------
 >Found Valid Parent
 Target:
 '<table class="possible_target">
        C table data
    </table>'
 Core = 
 '
        C table data
    '
 Target:
 '<table class="possible_target">
        D table data
    </table>'
 Core = 
 '
        D table data
    '

 -----------------
 >Found Valid Parent
 Target:
 '<table class="possible_target">
              <tr><td>We're targeting this table</td></tr>
     </table>'
 Core = 
 '
              <tr><td>We're targeting this table</td></tr>
     '

扩展正则表达式

 # BalancedText_PHP_Html.rxf
 # Processed by  RegexFormat4 (http://www.regexformat.com)

 # '~(?s)<table\s+id="parent">((?<Table_Core>(?:(?>(?:(?!</table\s*>|<table[\s>][^>]*(?<!/)>).)*)|(?<New_Table><table(?!\s+id="parent">)[\s>][^>]*(?<!/)>(?&Table_Core)</table\s*>))*))</table\s*>~'

 (?s)                          # Dot-All

 # Parent Table                                   
 # ==================

 <table \s+ id="parent">       # Parent table start
 (                             # (1 start), Core Start

      (?<Table_Core>                # (2 start), Table Core
           (?:
                (?>
                     (?:
                          (?!                           # Not start/end of another table
                               </table \s* >
                            |  
                               <table [\s>] [^>]* 
                               (?<! / )
                               >
                          )
                          . 
                     )*
                )
             |  
                (?<New_Table>                 # (3 start), New Table                    
                     <table                        # Table start
                     (?! \s+ id="parent"> )        # but, not a parent table type
                     [\s>] [^>]* 
                     (?<! / )
                     >
                     (?&Table_Core)                # Recurse Table Core
                     </table \s* >                 # Table end
                )                             # (3 end)
           )*
      )                             # (2 end)


 )                             # (1 end), Core End
 </table \s* >                 # Parent table end


 # ==========================================================================

 (?s)                                   # Dot-All

 # Target Table                                   
 # ==================

 <table \s+ class="possible_target">    # Target table start
 (                                      # (1 start), Core Start
      (?<Table_Core>                         # (2 start), Table Core
           (?:
                (?>
                     (?:
                          (?!                                    # Not start/end of another table
                               </table \s* >
                            |  
                               <table [\s>] [^>]* 
                               (?<! / )
                               >
                          )
                          . 
                     )*
                )
             |  
                (?<New_Table>                          # (3 start), New Table                    
                     <table                                 # Table start
                     (?! \s+ class="possible_target"> )     # but, not a target table type
                     [\s>] [^>]* 
                     (?<! / )
                     >
                     (?&Table_Core)                         # Recurse Table Core
                     </table \s* >                          # Table end
                )                                      # (3 end)
           )*
      )                                      # (2 end)
 )                                      # (1 end), Core End
 </table \s* >                          # Target table end

查看正则表达式断言以匹配嵌套HTML表

2 个答案: