Question

我在编写非贪婪的正则表达式语句时遇到了麻烦。

这是我的字符串：

<strong>name</strong><strong>address</strong>mailto:blabla@email.com

这是我的正则表达式查询：

<strong>(.*?)</strong>.*?([A-Z0-9._%-]+@[A-Z0-9.-]+\.[A-Z]{2,4})

问题是我需要地址，而不是字符串中的名称。所以我需要正则表达式查询是非贪婪的，并采取最接近的<strong></strong>而不是最远的。{/ p>

我的搜索字符串中还有多个这样的实例，因此它必须一次匹配多个实例，而不是仅仅在它前面添加.*（贪婪）的东西。

所以它必须匹配所有这些实例，并提取地址，而不是名称：

   <strong>name</strong><strong>address1</strong>mailto:blabla@email.com
   <strong>name</strong><strong>address2</strong>mailto:blabla@email.com
   <strong>name</strong><strong>address3</strong>mailto:blabla@email.com
   <strong>name</strong><strong>address4</strong>mailto:blabla@email.com

提前致谢！

Answer 1

首先，正则表达式是匹配HTML的次优工具（这是一个很好的例子，为什么会这样）。如果你知道如何使用解析器，你会对解析器更开心（也许其中一位PHP大师可以推荐一个）。

话虽如此，使用正则表达式的更好方法可能是明确匹配（并丢弃）第一个<strong>标记：

<strong>.*?</strong><strong>(.*?)</strong>.*?([A-Z0-9._%-]+@[A-Z0-9.-]+\.[A-Z]{2,4})

这绝不是一个好的，可靠的防弹解决方案，但至少它适用于您的样本数据。

或者，如果您可以更具体地说明相关标签之间/之后允许的内容，那么：

<strong>([^<>]*)</strong>(?:mailto:)?([A-Z0-9._%-]+@[A-Z0-9.-]+\.[A-Z]{2,4})

Answer 2

不要使用正则表达式来解析HTML。

请参阅http://htmlparsing.com/php.html

Answer 3

查看您的测试数据，以下是我推断的规则：如果......

名称和地址都包含在STRONG元素中，电子邮件紧接着，AND
STRONG元素的属性，名称和地址都没有尖括号，AND
电子邮件地址组件始终以mailto:，AND
两个STRONG元素中没有其他HTML元素，

然后这个经过测试的代码可以解决这个问题：

$re = '%
    # Capture name and address in <strong> element then email.
    <strong[^>]*>\s*([^<>]+)</strong\s*>\s*  # $1: Name.
    <strong[^>]*>\s*([^<>]+)</strong\s*>\s*  # $2: Address.
    (mailto:\S+)                             # $3: Email.
    %ix';
$count = preg_match_all($re, $text, $matches);
if ($count) {
    printf("%d matches found:\n", $count);
    print_r($matches);
    for ($i = 0; $i < $count; ++$i) {
        printf("Match %d: Name: \"%s\", Address: \"%s\", Email: \"%s\":\n",
            $i + 1, $matches[1][$i], $matches[2][$i], $matches[3][$i]);
    }
} else {
    printf("No matches found.\n");
}

正则表达式和php问题，需要非贪婪的搜索！

3 个答案: