Question

当文本之间有空格和回车符时，我很难做正则表达式。

例如，在下面这种情况下，如何让正则表达式获得“<div id="contentleft">”？

<div id="content"> 


<div id="contentleft">  <SCRIPT language=JavaScript>

我试过

id="content">(.*?)<SCRIPT

但它不起作用。

Answer 1

$s = '<div id="content">

<div id="contentleft">  <SCRIPT language=JavaScript>';

if( preg_match('/id="content">(.*?)<SCRIPT/s', $s, $matches) )
    print $matches[1]."\n";

默认情况下，Dot会匹配除换行符之外的所有内容。 /s使其符合所有内容。

但实际上，使用DOM解析器。您可以遍历树，也可以使用XPath查询。可以把它想象成XML的正则表达式。

$s = '<div id="content">

<div id="contentleft">  <SCRIPT language=JavaScript>';

// Load the HTML
$doc = new DOMDocument();
$doc->loadHTML($s);

// Use XPath to find the <div id="content"> tag's descendants.
$xpath = new DOMXPath($doc);
$entries = $xpath->query("//div[@id='content']/descendant::*");

foreach( $nodes as $node ) {
    // Stop when we see <script ...>
    if( $node->nodeName == "script" )
        break;

    // do what you want with the content
}

XPath非常强大。 Here's some examples.

PS我确信（我希望）上面的代码可以收紧一些。

Answer 2

查看PCRE修饰符：http://ar2.php.net/manual/en/reference.pcre.pattern.modifiers.php

您可以应用s修饰符，例如'/id="content">(.*?)<SCRIPT/s'（但请注意，因为它会改变^和$的工作方式。

否则，您可以执行'/id="content">((.|\n)*?)<SCRIPT/'

编辑：oops，错误的修饰符......

Answer 3

尝试

id="content">((?:.|\n)*?)<SCRIPT

通常不使用正则表达式解析HTML的警告适用，但您似乎已经知道了。

可替换地：

(?<=id="content">)(?:.|\n)*?(?=<SCRIPT)

默认情况下，点与换行符不匹配。解决这个问题的一种方法是明确允许它们。即使你碰巧使用的正则表达式风格不支持“dotall”修饰符，这也会有效。

第一个正则表达式与您的方法相同，通过允许\n进行扩展。你的比赛将在第1组，你只需要修剪它。

第二个正则表达式使用零宽度断言（前瞻/后瞻）来标记匹配的开始和结束。该比赛不包含任何您不想要的内容，也不需要分组。

Answer 4

没有正则表达式的另一种解决方案：

$start = 'id="content">';
$end = '<SCRIPT';
if (($startPos = strpos($str, $start)) !== false &&
    ($endPos = strpos($str, $end, $startPos+1)) !== false) {
    $substr = substr($str, $startPos, $endPost-$startPos);
}

Answer 5

嗯，这是一个多行问题，所以看一下模式修饰符：

m（PCRE_MULTILINE）默认情况下，PCRE   将主题字符串视为   由一条“线”组成   字符（即使它实际上   包含几个换行符）。开始   行“元字符（^）匹配   只在字符串的开头，而   “行尾”元字符（$）   仅匹配字符串的末尾，   或在终止换行之前   （除非设置了D修饰符）。这是   和Perl一样。

设置此修改器后，“开始   行“和”行尾“构造   马上跟着或匹配   紧接在任何新行之前   主题字符串，也分别   在开始和结束时。这是   相当于Perl的/ m修饰符。如果   a中没有“\ n”字符   主题字符串，或者没有出现^   或者在一个模式中，设置这个   修饰符没有效果。

s （PCRE_DOTALL）如果此修饰符为   设置，一个点元字符   模式匹配所有字符，   包括换行符。没有它，   新线被排除在外。这个修饰语   相当于Perl的/ s修饰符。一个   负面的类，如[^ a]总是   匹配换行符，   独立于此的设定   改性剂。

来自http://www.php.net/manual/en/reference.pcre.pattern.modifiers.php

Answer 6

$dom = new DOMDocument();
$dom->strictErrorChecking = false;
$dom->loadHTML($html_str);

$xpath = new DOMXPath($dom);
$div = $xpath->query('div[@id="content"]')->item(0);

请更正我的xpath表达式 - 不确定它是否可行...

PHP正则表达式难度

6 个答案: