正则表达式匹配某个HTML元素

Question

我正在尝试编写一个正则表达式来匹配以下HTML。

<span class="hidden_text">Some text here.</span>

我正在努力写出匹配它的条件，并尝试了以下内容，但在某些情况下，它也会在跨度之后选择所有内容。

$condition = "/<span class=\"hidden_text\">(.*)<\/span>/";

如果有人能突出我做错了什么就会很棒。

Answer 1

您需要在?之后添加.*来使用非贪婪的选择：

$condition = "/<span class=\"hidden_text\">(.*?)<\/span>/";

注意：如果您需要匹配通用HTML，则应使用DOM之类的XML解析器。

Answer 2

您不应该尝试在HTML等非常规语言上使用正则表达式。最好使用适当的HTML解析器来解析文档。

有关如何使用PHP执行此操作的详细信息，请参阅以下问题：

• How to parse HTML with PHP?
• Best methods to parse HTML

Answer 3

$condition = "/<span class=\"hidden_text\">(?<=^|>)[^><]+?(?=<|$)<\/span>/";

我明白了。 ;）

Answer 4

您可能有多个跨度，而您正在使用的正则表达式将默认为贪婪模式

使用PHP的DOM Parser从HTML中提取内容

要容易得多

Answer 5

我认为这就是他们所说的受教育的时刻。 ：P现在让我们比较和对比你的自我答案中的正则表达式：

"/<span class=\"hidden_text\">(?<=^|>)[^><]+?(?=<|$)<\/span>/"

......而且这一个：

'~<span class="hidden_text">[^><]++</span>~'

• PHP的双引号字符串受嵌入变量（$my_var）的插值和包围在大括号（{return "foo"}）中的源代码的评估。如果您不使用这些功能，最好使用单引号字符串以避免意外。作为奖励，你不必再逃避那些双引号。

• PHP允许您使用几乎任何ASCII标点字符作为正则表达式分隔符。通过用~替换斜杠我消除了在结束标记中转义斜杠的需要。

• lookbehind - (?<=^|>) - 没有做任何有用的事情。它只会在开始标记匹配后立即进行评估，因此前一个字符总是 >。

• [^><]+?很好（假设你不想在内容中允许其他标签），但量词不需要不情愿。 [^><]+无法覆盖关闭的</span>代码，因此有必要偷偷摸摸。事实上，请继续使用possessive quantifier：[^><]++开门。

• 就像之前的观察一样，(?=<|$)只占用了空间。如果[^><]+消耗了所有内容而下一个字符不是<，那么您就不需要前瞻来告诉您匹配将会失败。

请注意，我只是批评你的正则表达式，而不是修复它;你的正则表达式和我的每次都可能产生相同的结果。即使您正在使用的HTML完全有效，但它们有很多种方法都可能出错。将HTML与正则表达式匹配就像试图捕获一只上油的猪一样。