我需要一个正则表达式,我可以使用PHP的preg_match_all()匹配div-tags内的内容. div看起来像这样：
<div id="t1">Content</div>
到目前为止,我已经提出了这个正则表达式,它匹配所有id为“t [number]”的div
/<div id="t(\\d)">(.*?)<\\/div>/
问题是当内容包含更多div时,嵌套的div如下所示：
<div id="t1">Content <div>more stuff</div></div>
关于如何使我的正则表达式使用嵌套标签的任何想法？
谢谢
解决方法
尝试使用解析器：
require_once "simple_html_dom.PHP"; $text = 'foo <div id="t1">Content <div>more stuff</div></div> bar <div>even more</div> baz <div id="t2">yes</div>'; $html = str_get_html($text); foreach($html->find('div') as $e) { if(isset($e->attr['id']) && preg_match('/^t\d++/',$e->attr['id'])) { echo $e->outertext . "\n"; } }
输出：
<div id="t1">Content <div>more stuff</div></div> <div id="t2">yes</div>
在此处下载解析器：http://simplehtmldom.sourceforge.net/
编辑：更多为了我自己的娱乐我试图在正则表达式.这就是我想出的：
$text = 'foo <div id="t1">Content <div>more stuff</div></div> bar <div>even more</div>
baz <div id="t2">yes <div>aaa<div>bbb<div>ccc</div>bbb</div>aaa</div> </div>';
if(preg_match_all('#<div\s+id="t\d+">[^<>]*(<div[^>]*>(?:[^<>]*|(?1))*</div>)[^<>]*</div>#si',$text,$matches)) {
print_r($matches[0]);
}
输出：
Array
(
[0] => <div id="t1">Content <div>more stuff</div></div>
[1] => <div id="t2">yes <div>aaa<div>bbb<div>ccc</div>bbb</div>aaa</div> </div>
)
还有一个小解释：
<div\s+id="t\d+"> # match an opening 'div' with an id that starts with 't' and some digits [^<>]* # match zero or more chars other than '<' and '>' ( # open group 1 <div[^>]*> # match an opening 'div' (?: # open a non-matching group [^<>]* # match zero or more chars other than '<' and '>' | # OR (?1) # recursively match what is defined by group 1 )* # close the non-matching group and repeat it zero or more times </div> # match a closing 'div' ) # close group 1 [^<>]* # match zero or more chars other than '<' and '>' </div> # match a closing 'div'
现在也许你理解为什么人们试图说服你不要使用正则表达式.正如已经指出的那样,如果html格式不正确,它将无济于事：正如我所向你保证的那样,正则表达式会使输出变得比html解析器更大.此外,正则表达式可能会让你的眼睛流血,你的同事(或维护你的软件的人)可能会在看到你做了什么后来找你.
