Question

我有这个锚定位正则表达式工作得很好：

$p = '%<a.*\s+name="(.*)"\s*>(?:.*)</a>%im';

匹配<a后跟零或多个任何内容后跟空格name="

即使一个类或一个id在锚点中的名称前面，它也会抓取名称。

我想补充的是能够在name='上使用单引号（'）进行匹配，因为迟早有人会这样做。

显然我可以为此添加第二个正则表达式，但它似乎不够优雅。

任何人都知道如何添加单引号并只使用一个正则表达式？任何其他改进或建议都将非常受欢迎。我可以使用我能得到的所有正则表达式帮助！

非常感谢阅读，

function findAnchors($html) {
    $names = array();
    $p = '%<a.*\s+name="(.*)"\s*>(?:.*)</a>%im';
    $t = preg_match_all($p, $html, $matches, PREG_SET_ORDER);
    if ($matches) {
        foreach ($matches as $m) {
            $names[] = $m[1];
        }
        return $names;
    }
}

Answer 1

詹姆斯的评论实际上是一个非常流行的，但用于字符串匹配的错误正则表达式。这是错误的，因为它不允许转义字符串分隔符。鉴于字符串分隔符是'或'，以下正则表达式起作用

$regex = '([\'"])(.*?)(.{0,2})(?<![^\\\]\\\)(\1)';

\ 1是起始分隔符，\ 2是内容（减2个字符），\ 3是最后2个字符和结束分隔符。只要转义字符为\且转义字符未被转义，此正则表达式允许转义分隔符。 IE。，

'Valid'
'Valid \' String'
'Invalid ' String'
'Invalid \\' String'

Answer 2

使用[]匹配字符集：

$p = "%<a.*\s+name=['\"](.*)['\"]\s*>(?:.*)</a>%im";

Answer 3

试试这个：

/<a(?:\s+(?!name)[^"'>]+(?:"[^"]*"|'[^']*')?)*\s+name=("[^"]*"|'[^']*')\s*>/im

在这里你只需剥去周围的引号：

substr($match[1], 1, -1)

但是使用像DOMDocument这样的真正解析器肯定会比这种正则表达式方法更好。

Answer 4

您当前的解决方案不会将锚点与“名称”后面的其他属性匹配（例如<a name="foo" id="foo">）。

尝试：

$regex = '%<a\s+\S*\s*name=["']([^"']+)["']%i';

这会将'name'属性的内容提取到后引用$1中 \s*还允许属性之间的换行符您不需要使用“a”标记的其余部分来完成，因为否定的字符类[^"']+将是懒惰的。

Answer 5

这是另一种方法：

$rgx='~<a(?:\s+(?>name()|\w+)=(?|"([^"]*)"|\'([^\']*)\'))+?\1~i';

我知道这个问题已经过时了，但是当它刚刚重新浮出水面时，我想到了Cookbook中“空捕捉群体作为复选框”的另一种用法。第一个非捕获组在不情愿的加号（+?）的控制下处理所有“名称=值”对的匹配。如果属性名称按字面意思name，则空组（()）不匹配任何内容，则后引用（\1）不再匹配任何内容，从而突破循环。（后向引导成功，因为组参与了比赛，即使它没有消费任何字符。）

每次在组＃2中捕获属性值，覆盖在前一次迭代中捕获的任何内容。（分支重置构造（(?|(...)|(...))）使我们能够“重用”组＃2来捕获引号内的值，无论它们是什么类型的引号。）因为循环在名称{{1}之后退出}出现，最终捕获的值对应于该属性。

<强> See a demo on Ideone

正则表达式问题：将此模式与硬引号或软引号匹配

5 个答案: