Regex Basics：在两个常量之间抓取文本

Question

坚持PHP中的（相当简单的）正则表达式问题。

这一部分埋藏在一堆文字中：

  <tr>
        <td id="descriptionArea">
            Customer request to remove "Intro - 01/13/09" video clip.
            <br/>
        </td>
    </tr>

我想要介于两者之间：

descriptionArea">

...和...

</td>

一位朋友建议：

$pattern = '<td="descriptionArea">\s*(.*?)\s*<';
$clean = preg_replace("'[\n\r\s\t]'","",$text); // to rid of line breaks
preg_match($pattern, $clean, $matches);
print_r($matches);

但是我收到以下错误：

Warning: preg_match() [function.preg-match]: Unknown modifier 'q'

我想第二个问题是preg_match是否也是正确的PHP函数。我应该使用ereg吗？谢谢你的帮助。

Answer 1

使用preg_*函数时，第一个字符或模式被视为分隔符：

  

表达式必须包含在分隔符中，例如正斜杠（/）。任何字符都可以用于分隔符，只要它不是字母数字或反斜杠（\）。如果必须在表达式本身中使用分隔符，则需要使用反斜杠进行转义。从PHP 4.0.4开始，您还可以使用Perl风格的()，{}，[]和<>匹配分隔符。
   - Regular Expressions (Perl-Compatible) – Introduction

所以你不需要像其他人所说的那样逃避或替换&个字符。而是使用适当的分隔符并在表达式中转义这些字符：

'/<td id="descriptionArea">(.*?)<\/td>/'

Answer 2

你想要逃脱“＆amp;”，就像wombleton所说的那样，并且还用正斜线包围你的模式，比如$ pattern =“/ pattern /”;

下面的代码返回一个包含一些丑陋内容的数组，但至少它返回一个匹配.. :)

$description = " <tr>
        <td id="descriptionArea">
            Customer request to remove "Intro - 01/13/09" video clip.
            <br/>
        </td>
    </tr>";

$pattern = "/<td.*[&]quot;descriptionArea[&]quot;[&]gt;\s*(.*?)\s*.*?lt/";
$clean = preg_replace("'[\n\r\s\t]'","",$description); // to rid of line breaks

preg_match($pattern, $clean, $matches);
var_dump($matches);

修改

这是一个更好的版本。摆脱所有HTML编码，以便您可以使用标准的HTML解析正则表达式：

$pattern = '/<.*?id="descriptionArea">(.*?)<\/td>/';
$clean = preg_replace("'[\n\r\t]'","",htmlspecialchars_decode($description)); 
preg_match($pattern, $clean, $matches);

Answer 3

我怀疑它将＆符号解释为某种控制字符。但是我找不到支持这个的参考。

尝试用&替换[&]的所有实例。

Answer 4

如果你想在两个常量之间抓取文本，那么使用好的'strpos'不是更容易吗？

修改

e.g。

$string = 'text to be >searched< within';
$const1 = '>';
$const2 = '<';
$start = strpos($string, $const1);
$end = strpos($string, $const2, $start + strlen($const1));
$result = substr($string, $start, $end - $start);

我没有运行它，所以它可能是错误的，但你应该明白这一点。

Answer 5

你在$ pattern中使用了以下内容？

$pattern = '(?s:descriptionArea">(.*)</td>)';

我不懂PHP，但是当我测试它时，RegEx似乎在正则表达式设计器中工作。 （？s :)的选项是'Singleline On'。

标记

Answer 6

您获得的具体错误来自preg_ *函数，使用模式的第一个字符作为分隔符（在本例中为“＆amp;”），以及第二次出现作为修饰符的分隔符后的所有内容（例如“i” “用于不区分大小写。”

在这种情况下，它认为您正在寻找lt;td=，并且您想要修饰符quot;descriptionArea">\s*(.*?)\s*<。第一个修饰符“q”没有意义，它就会失败。