Question

我需要将php中的内容拆分为（json-）数组。即我想摆脱这个：

<p>Text Level 0</p>
<section class="box_1">
    <header class="trigger"><h2>Title</h2></header>
    <div class="content">
        <div class="box_2">
            <div class="class"></div>
            <div class="content">
                <p>Text Level 2</p>
                <p>More Text Level 2</p>
            </div>
        </div>
        <div class="box_2">
            <div class="class"></div>
            <div class="content">
                <p>Text Level 2</p>
                <div class="box_3">
                    <div class="content">
                        <p>Text Level 3</p>
                    </div>
                </div>
            </div>
        </div>
    </div>
</section>
<p>Another Text</p>

结果：

0: "Text Level 0"; 2: "Text Level 2\nMore Text Level 2"; 2: "Text Level 2"; 3: "Text Level 3"; 0: "Another Text";

这意味着我需要Text的“Level”和Text本身。但我不知道该怎么做。我应该使用RegExp还是应该解析内容（即simple_html_dom.php）？

类似的东西：

检查“content”-class
检查最近的“框_ *” - 类 - ＆gt;电平数
总结相同“内容”的所有元素
如果p元素不在“内容”中 - > 0级

但我怎么能在php中做到这一点？

Answer 1

正则表达式

[\w\s\d]+(?=\<\/p)

$re = "/[\w\s\d]+(?=\<\/p)/"; 
$str = "<p>Text Level 0</p>"; //Sample from Your large string

preg_match_all($re, $str, $matches);

Demo

OP在JS中不需要这个，但我希望有人可以通过将其转换为php来帮助他。我对php不太熟练。

var domString = '<p>Text Level 0</p><section class="box_1"><div class="content"><div class="box_2"><div class="class"></div><div class="content"><p>Text Level 2</p><p>More Text Level 2</p></div></div><div class="box_2"><div class="class"></div><div class="content"><p>Text Level 2</p><div class="box_3"><div class="content"><p>Text Level 3</p></div></div></div></div></div></section><p>Another Text</p>'

var result = domString.match(/[\w\s\d]+(?=\<\/p)/g)

var parentTagSubString = function(str,startTagStr,endTagStr,refSearchStr) {
    posRefSearchStr = str.indexOf(refSearchStr);
    var posStartParentTag = str.lastIndexOf(startTagStr, posRefSearchStr)
    var posEndParentTag = str.indexOf(endTagStr, posRefSearchStr)
    return str.substring(posStartParentTag,posEndParentTag + endTagStr.length)
}
//explanation parentTagSubString function
// given a string - "refSearchStr"
// Search towards its left for "startTagStr"
// and
// search towards right for "endTagStr"
// within the string - "str"

for(var i=0;i<result.length;i++) {
    var found = parentTagSubString(domString, "box_", "<p>", result[i])
    //If p-element is not in "content" -> Level 0
    //as mentioned by OP
    if((found.indexOf(result[i]) == 3) || (found.indexOf(result[i]) == -1)) {
        console.log('level is 0 : ', result[i])
    } else {
        //we searched backward till Box and if box found
        //it must be at starting point
        if(found.indexOf("box_") == 0) {
            //search for immediate number after "box_"
           console.log("Level is: ", found.match(/[\d]+/).join(''), " ", result[i]) 
        }
    }
}

//Sample Output
//level is 0 :  Text Level 0
//Level is:  2   Text Level 2
//Level is:  2   More Text Level 2
//Level is:  2   Text Level 2
//Level is:  3   Text Level 3
//level is 0 :  Another Text

Answer 2

很多人不信任用正则表达式解析html - 在大多数情况下都有充分的理由。首选解决方案是DOM解析器。话虽这么说，如果你想用正则表达式处理这个特定的输入，这是完全可能的。以下是其中几种方法之一：

(?s)<p>\K.*?(?=</p>)

示例PHP代码

（参见online demo底部的输出）：

$regex = '~(?s)<p>\K.*?(?=</p>)~';
preg_match_all($regex, $yourstring, $matches);
print_r($matches[0]);

$m[0]是匹配数组（参见输出）。然后，您可以将其转换为您喜欢的任何其他格式。

<强>输出：

[0] => Text Level 0
[1] => Text Level 2
[2] => More Text Level 2
[3] => Text Level 2
[4] => Text Level 3
[5] => Another Text

<强>解释

<p>匹配开始标记
\K告诉引擎放弃与最终匹配的内容
.*?懒惰地匹配任何字符（这是匹配）直到......
前瞻(?=</p>)可以断言后面的内容是结束标记。

<强>参考

在php中将内容拆分为数组

2 个答案: