Question

我把头发拉过这一头。我想获得＆lt; a＆gt;中的所有内容标签，我的html结构看起来像：

<ul>
  <li><a href="#">One</a></li>
  <li><a href="#">Two</a></li>
  <li><a href="#">Three</a></li>
</ul>

我的正则表达式：

/<a ?.*>(.*?)<\/a>/

当cms没有输出带有换行符的＆lt; li＆gt;时出现问题：

<ul>
  <li><a href="#">One</a></li><li><a href="#">Two</a></li>
  <li><a href="#">Three</a></li>
</ul>

这是匹配数组的一些示例输出：

Array
(
    [0] => Array
        (
            [0] => <a href="/schools/early-years-groups" class="active">Early Years Groups</a></li><li class="leaf first menu-mlid-20328 order_early_years_stuff"><a href="#" title="Order Schools Stuff">Order Early Years Stuff</a>
            [1] => <a href="/schools/early-years-groups/fundraise" title="Fundraise">Fundraise</a>
            [2] => <a href="/schools/early-years-groups/ey-showcase" title="Early Years Showcase">Early Years Showcase</a>
            [3] => <a href="/schools/how-to-pay-your-money-in" title="">How To Pay Your Money In</a>
            [4] => <a href="/schools/early-years-groups/learning-activities" title="Learning Activities">Learning Activities</a>
        )

    [1] => Array
        (
            [0] => Order Early Years Stuff
            [1] => Fundraise
            [2] => Early Years Showcase
            [3] => How To Pay Your Money In
            [4] => Learning Activities
        )

)

非常感谢任何帮助，这让我疯了！

Answer 1

你不应该使用正则表达式解析HTML ...你会发现很多例子在这里解释原因。

也许像PHP Simple DOM Parser这样的东西可以帮到你。

Answer 2

问题是，当>应该是懒惰的时候，你会使用贪婪的搜索。这是一个例子：

<a .*?>(.*?)<\/a>
     ^

在此处查看此行动：http://regexr.com?2v60h

Answer 3

你的正则表达式在开头标签上过于“贪婪”。这样的事情会更好：

<a\s?[^>]*>([^<]*)</a>

它匹配锚点，带有可选空格，后跟任何内容但关闭＆gt;标签，所以当它击中＆gt;时它肯定会停止。同样的技巧适用于锚点的内容，寻找任何东西但是＆lt;结束锚标记。

正则表达式：在换行符之前匹配所有html标签

3 个答案: