从字符串获取XHTML标记的内容：p，ul和/或ol

Question

我有一个带有WYSIWYG编辑器的CMS，可以生成相当不错的xhtml。基于这个事实，我认为HTML解析器对于这个小工作可能有点过分。

我打算使用正则表达式，但到目前为止一直无法让我匹配我所追求的。

我正在使用PHP5。

我需要匹配WYSIWYG编辑器能够产生的3个块级元素的内容：p，ul＆amp;醇。我目前正在使用preg_match_all（）。

有人能帮助我吗？

谢谢

Answer 1

只要你没有嵌套的p / ul / ol标签，这就应该有效：

preg_match_all("<(?:p|ul|ol)>(.*?)</(?:p|ul|ol)>", $string, $matches)

?:会阻止parens中的任何内容包含在$matches中，而.*?会阻止正则表达式匹配超过另一个标记的结尾。

Answer 2

我想我只想出来了

preg_match_all('/<(p|ul|ol)>(.*)<\/(p|ul|ol)>/iU', $content, $blockElements);

Answer 3

只要您不在p标签中嵌入p标签或在ul中嵌套ul，这将找到每个标签的最顶部。但是你可以将p嵌套在ul中。对于复杂的html，您最好使用DOM。

示例数据：

$html = <<< EOF
<p>
 hey
</p>

<ul>
 <li>
  test 
 </li>
 <li>
  <p>
   df4r4 4f4
  </p>
 </li>
</ul>

<p>
 hoo
</p>

EOF;

正则表达式：

$regex = '#<(?P<tags>(?i)p|ul|ol)>(?P<values>.*?)</\1>#si';
preg_match_all($regex, $html, $output);

按标签排序：

for ($i = 0, $t = count($output['tags']); $i < $t; $i++) {
    $out[$output['tags'][$i]][] = $output['values'][$i];
}

分别使用标记和值，使用整数键删除重复项，整行匹配：

$output = array_intersect_key($output, array('tags' => 0, 'values' => 0));