HTML标签上的简单正则表达式

Question

问题一：

</a>              

19-10-2011, 04:49 PM

             </td> <td class="thread" 

如何获取日期和时间，即19-10-2011,04：49 PM

注意：如上所示，上面的代码段可能会有不稳定的间距，例如</td> <td class

我的尝试：

preg_match("#</a>(.*?)</td> <td class=\"thread\"#", $page, $fetchContent);

结果：为空

---

问题二：

<div id="post_message_43345">ANY TYPE OF CONTENT INCLUDING SPACES</tr> <tr>

我需要提取“任何类型的内容”。

注意： </tr> <tr>等标记之间的间距因页面而异。

我的尝试：

preg_match("#<div id=\"post_message_[a-zA-Z0-9_]*\">(.*?)</tr> <tr>#", $page, $fetchedContent);

结果：为空

我正在为一项任务寻找粗略的临时短片段。因此，我没有使用HTML解析器。

任何帮助将不胜感激。

Answer 1

  

注意：如上所示，上面的代码段可能有不稳定的间距

您希望它也匹配换行符。 .通常不会这样做。这基本上需要#s修饰符：

  preg_match('#</a>(.*?)</td> <td class="thread"#s', ...

但您也可以在\s*捕获组周围添加(.*?)两次。也在</td>和<td之间。

然后你可以让你的正则表达式更具体\d\d-\d\d-\d\d, \d\d:\d\d来捕捉日期。这可能会使标签的匹配变得多余。

  

注意：标签之间的间距可能因页面而异。

您可以再次使用\s*来匹配任意组合的空格和换行符。

Answer 2

问题1

您需要使用s标记来.匹配换行符：

preg_match("#</a>(.*?)</td> <td class=\"thread\"#s", $page, $fetchContent);

你可能最好直接匹配日期：

preg_match("#([0123]?[0-9]-(?:0?[1-9]|1[012])-(?:[0-9]{4})),? ?((?:0[0-9]|1[012]):[0-5][0-9] ?[AP]M)#",...)

修改 - 此日期正则表达式会更快一点（在任何一侧添加边界）：

preg_match("#\\b([0123]?[0-9]-(?:0?[1-9]|1[012])-(?:[0-9]{4}))[, ]{1,3}((?:0[0-9]|1[012]):[0-5][0-9] ?[AP]M)\\b#",...)

对于两者，日期都在$results[1]，时间在$results[2]。

问题2

再次使用s标记，并在</tr> <tr>使用*之间设置不同的空格。

preg_match("#<div id=\"post_message_[a-zA-Z0-9_]*\">(.*?)</tr> *<tr>#s", $page, $fetchedContent);

如果您想在</tr>和<tr>之间添加换行符，请改为\s*。问题1也是如此。