如何匹配整个html元素，无论内部是什么，就像浏览器一样？

Question

在给定页面上有许多元素：

<div class="some class"> <-- here is anything, other divs, even other divs with
the same class, but I need to match right on closing tag for this particular
opening tag --></div>

Answer 1

不要使用正则表达式来解析HTML。使用DOMDocument代替并避免所有的麻烦。

Stack Overflow上的相关阅读：

• Need assistance parsing HTML with PHP
• Can you provide some examples of why it is hard to parse xml and html with a regex?
• If you’re not supposed to use Regular Expressions to parse HTML, then how are HTML parsers written?
• When is it wise to use regular expressions with HTML?

Answer 2

DOMDocument

Answer 3

正则表达式描述常规语言的操作。 HTML不是常规语言。我准备打赌你可以用一个所谓的“递归正则表达式”来做，因为它们不是真正的正则表达式，并且不限于常规语言。我打算更多地打赌，无论如何你最好还是解析它。

简单（不是最好的，但最容易在几行中编码），是为了保持内部div的数量。每当遇到div标签时，都要计算。当你遇到一个结束div标签时，如果它不为零，你就放弃计数，或者你找到了你的完整元素。每当你遇到文件的结尾时，有人都没有正确关闭他们的div。

如果你可以依赖于格式良好的代码（如果你不能，你有两个问题......）或者准备在非non的情况下只是错误，那么使用XML解析器会更容易 - 良好的投入。

Answer 4

唯一可靠的解决方案是解析HTML，regexp在所有情况下都无法解决这个问题。

事实上，浏览器通常非常宽容，甚至可以应对错误，例如缺失

  

＆LT; / P＆gt;

标记。所以处理任意页面实际上非常棘手。

如果您正在处理自己制作的页面，那么也许您可以编写一些特殊情况的regexp。否则，您可能需要寻找一个真正的解析器，例如this。 （从来没有用过它，但它可能就是你所需要的。）