正则表达式问题 - 检索给定类的标签内容 - preg_match(_all)

Question

我需要检索内容 <p> 具有给定类别的标签。类可以是 simplecomment 或者 comment ...

所以我写了下面的代码

preg_match("|(<p class=\"(simple)?comment(.*)?\">)(.*)<\/p>|ism", $fcon, $desc);

不幸的是，它什么也没返回。但是，如果我删除标签结尾部分（<\/p>）它以某种方式工作，返回太长的字符串（从标签开始到文档结尾）...

我的正则表达式有什么问题？

Answer 1

尝试使用DOM解析器如 http://simplehtmldom.sourceforge.net/

如果我正确读取上simplehtmldom主页上的示例代码 你可以做这样的事情：

$html->find('div.simplecomment', 0)->innertext = '';

Answer 2

这里的快速修复如下：

'|(<p class="(simple)?comment[^"]*">)((?:[^<]+|(?!</p>).)*)</p>|is'

变化：

• 构造 (.*) 只会盲目匹配所有内容，这会阻止您的正则表达式工作，因此我已用更严格的匹配完全替换了这些实例：
  1. ...comment(.*)?...– 基本上，这将匹配全部或全部。我用这个替换了 [^"]* 因为它将匹配零个或多个非" 字符（基本上，它将匹配结束字符 " 的性格 class 属性。
  2. ...>)(.*)<\/p>...– 再次，这会匹配太多。我已将其替换为一种有效的模式，该模式将匹配所有非< 角色，一旦击中 < 它将检查后面是否有 </p>. 。如果是，它将停止匹配（因为我们已经到了末尾） <p> 标签），否则将继续。
• 我删除了 m 标志，因为它在此正则表达式中没有用处。

但 它不会可靠（想象一下 <p class="comment">...<p>...</p></p>;它将匹配 <p class="comment">...<p>...</p>).

为了使其可靠，您需要使用递归正则表达式或（甚至更好）HTML 解析器（如果您正在处理 XHTML，则使用 XML。）甚至有一些库可以“正确”处理格式错误的 HTML（就像浏览器一样。）