Question

我有800个非常相似的条目，但是他们需要做一些事情。格式如下：

<td class="description"> Describing text. Might very well be 2 paragraphs </td>

我需要对单元格内的文本做一些操作。我试过使用preg_replace（'/（。+）＆lt; / td＆gt; /'）。最终会出现两个问题。

我无法取得什么在括号内，但它会还可以获取单元格标签。
它将获取所有内容，直到最后一次文档中的</td>。我只是想它要去第一次出现 </td>

提前致谢

Answer 1

首先，。+将抓住所有内容......它不会只是从<td>开始。您需要添加一个正则表达式以拉出表格col的开头：

<td[^>]*?>

（注意，[^>]*表示匹配非>个字符，直到找到一个。）

此外，.+和.* 贪婪，这意味着它会尽可能多地抓取。要更改此行为，请在其后添加?，如下所示：.+?。这使得它只满足它所需的数量。

所以，你会有

<td[^>]*)>(.*?)<\/td>

这是关于正则表达式的一课，但我认为你不应该使用正则表达式。一旦你开始使用嵌套表或比简单的html更复杂的东西，正则表达式可以很容易地破解。

Answer 2

D̨͙̯̹̼ỏ͇̥̱͚̲͖̣͢ǹ̶̥͉̳͈͈̏̉ͧ'ͧͬ͏̪̩͓̳̬̱ͅt͇̝̖ͦ̏̏̍̉͠ ͙̺̹͚͎̐̒ͥ͑̀ṷ͍̖͕̐ͫ̚s̤͖͇̲̪͊͋̉ͨͪ̚e͚̲͎͓̟͊̍ ̲̬̩͇̗̭̌̊̑̊͝r̷̦͔̞̜̬ͦe̔̓͒͊̌g̹̘̬̭ͨ̐̽̐̂u̼̹̔ͣ͑͐̓͋l͈̤̘͉̰̏͌̚a̵̤̞̥̋rͭ ̦̝͓̟̣̯̄́̎̀̔ͥe̢̟̥̹̊̅̌̅̋x̠̠̲͚̝͋ͪp̧̽̉ṟ͉̏͌̊̐ͅe͖͎̞͇̽͛̀s͓͈̒s̴͚̮̹ͧ̽i̐ͪ̈́̏̑o͇͓̎n͎̐̃ͨ͢s̜͉̼̹͇̐ͥ̏̈́̽̔͐ ̛̑ͧf̩̋ͨ͑ö̮̗̩́̏̀ͩ̆r̮͓͊̌ ̸̪͈̫̬̭̻̮͊ͧ͂ͬ̌H͎̤̟͙̞ͪ͐̃̿ͮͭͅT͚̉͑͛̉M̴̦͖͇͔͚̙ͭͭ̽L͗ͦ̋̓͑ ͍͈͙̞͍̻̉̆͆̃͘p̓̉̃͆͛ͦ́͟r͕͙ͭͭͦ͡ő̹͍̳̳ͯ̐c̵̙͇͋̅è͖̘̲̰͉͉̺͛́ͪͩ̋͜s̾͑ͬͬ͐̋̀s̜̼̰̞̺͗ͫ̒ͫͧͥͅḭ̪ͫ͋ͫ̚n̿͐҉̺̩̟̻̳g͑̀̑̆̈̾!̠̓ͭ̈͜

如果您仍想尝试...请使用非捕获组(?:)排除标记，并使用延迟量词*?以仅匹配第一个结束标记。

(?:<td[^>]*>).*?(?:</td>)

这需要全部点模式，如果例如说明属性包含一个结束尖括号，则可能仍会失败。

Answer 3

如果您确定表格单元格中没有HTML，则以下非正则表达式代码可能有所帮助：

// $entries contains all of the table cell entries.
$newentries = "";
$cells = split("</td>",$entries);
while (list(,$data) = each($cells)) {
    $newentries .= "<td class=\"description\">";
    $text = substr($data,strpos($data, ">") + 1);
    // perform modifications on $text
    // i.e. $text = "<B>" . $text . "</B>";
    $newentries .= $text;
    $newentries .= "</td>";
}

// $newentries now contains the modified cell entries.

这可能不是你想要的100％，但也许它会有所帮助。

Answer 4

您可以使用：

preg_replace(
  '/<td (.*?)>(.*?)<\/td>/sm',
  '<td class="description"><strong>$2</strong></td>',
  $data
)

如果您尝试对内部文本执行的操作很复杂，请使用回调函数。

Answer 5

正如所有其他人所说：RegExp很糟糕，至少在这里！

所以，基本的Regex是

#<td[^>]*>(.*?)</td>#s

（注意我使用了s-Modifier，否则RegExp将不起作用。）

现在，这个RegExp是错误的，即使它可能适合您的目的。更严格的是，您必须知道，属性中允许>。因此，这个正则表达式可能会破坏事物。

#<td(\s+\w+="[^"]+")\s*>(.*?)</td>#s

我认为如果你正在处理XML，现在这将是非常安全的。但可以肯定的是，它可能会在极少数情况下破裂，我现在无法想到这一点。

Answer 6

$d = new DOMDocument();
$d->loadHTML($htmlstring);
$x = new DOMXPath($d);
$tds = $x->query("//td[@class='description']//text()");
for($i = 1; $i <= $tds->length; $i++){
    $tds->item($i)->replaceData(0,mb_strlen($tds->item($i)->wholeText),strtoupper($tds->item($i)->wholeText));   
}
var_dump($d->saveHTML());

正则表达式自动化一些HTML标记

6 个答案: