Question

我正在尝试解析一个CTP文件（带有HTML和PHP标签的CakePHP模板），并希望将所有HTML标签与特定的数据属性（data-edit =“ true”）进行匹配。每个带有data-edit =“ true”的标记必须具有data-type =“ ...”和data-name =“ ...”属性。我想在（命名）组中捕获这些属性，因此可以在代码中使用它们。到目前为止，我有以下正则表达式：

\<(?<tagname>\w+).*?(?>data\-edit="true").*?\>(?<content>.*?)\<\/(?&tagname)\>

以下是一些应该匹配的标签示例：

<h4 data-type="text" data-edit="true" data-name="SomeName">Some content, with or without newlines.</h4>

和

<span data-edit="true" data-type="wysiwyg" data-name="Beoordeling">Some text 
with <strong>tags</strong> and newlines in it that 
should not break the parser.</span>

在上面的示例中，我希望正则表达式返回data-type和data-name标签的内容，当然还包括标签之间的内容。

数据属性可以以任何顺序出现，并且标记中可能存在其他属性（例如类）。到目前为止，我已经设法只获取具有data-edit =“ true”属性的标签的内容，但是当有换行符时，匹配会中断。另外，我无法捕获其他数据属性。

我什至有可能实现？我知道regex不是解析HTML的首选方法，但是由于这是一个CTP文件，其中包含所有其他标记，因此我不能使用XML解析器。

编辑：示例代码：https://regex101.com/r/nF6a96/2

Answer 1

XPath是一款如此出色的多功能工具。您的逻辑无缝地转移到xpath查询，该查询将来很容易构造，读取和维护。

此外，XPath优于regex，因为无论属性的顺序如何，XPath都能成功匹配限定元素。正则表达式将很难通过一个preg_调用来做到这一点。

以下内容将循环验证，提取和存储仅一个查询的结果。

代码：（Demo）

$dom=new DOMDocument; 
libxml_use_internal_errors(true);  // for malformed html warning suppression
$dom->loadHTML($text, LIBXML_NOENT);
//libxml_clear_errors();             // for  warning suppression
$xpath = new DOMXPath($dom);

foreach ($xpath->query("//*[@data-edit='true' and @data-type and @data-name]") as $node) {
    $results[] = [
                    'type' => $node->getAttribute('data-type'),
                    'name' => $node->getAttribute('data-name'),
                    'text' => $node->textContent
                 ];
}
var_export($results);

输出：

array (
  0 => 
  array (
    'type' => 'wysiwyg',
    'name' => 'Beoordeling',
    'text' => 'We beoordelen uw aanvraag en                                        berichten u over de acceptatie daarvan.',
  ),
  1 => 
  array (
    'type' => 'text',
    'name' => 'Bellen',
    'text' => 'We bellen u voor een afspraak.',
  ),
  2 => 
  array (
    'type' => 'text',
    'name' => 'Technisch specialist',
    'text' => 'Technisch specialist neemt bij u alles nog even door.',
  ),
)

Answer 2

您应该避免使用正则表达式来解析html，但是由于这是在标签内进行属性查找的情况，而不是标签的某些嵌套情况，因此您可以在此处使用正则表达式进行快速验证。

您需要使用前瞻性来确保标记确实包含要查找的所有三种属性。您可以使用此正则表达式，

<(\w+)(?=.*?data-edit="true")(?=.*?data-type="[^"]*")(?=.*?data-name="[^"]*")[^>]*?>.*?<\/\1>

说明：

<(\w+)->匹配标签并捕获组1中的标签名以在结束标签的末尾进行匹配
(?=.*?data-edit="true")->先行并确保存在data-edit属性
(?=.*?data-type="[^"]*")->先行并确保存在数据类型属性
(?=.*?data-name="[^"]*")->先行并确保存在data-name属性
[^>]*?>->匹配其余的输入和结束标记
.*?->匹配开始和结束标记内的任何文本
<\/\1>->匹配结束标记

Demo

正则表达式PHP查找并匹配具有特定数据属性的HTML标签

2 个答案: