PHP RegExp для вложенных тегов Div - PullRequest
Новая
       6

PHP RegExp для вложенных тегов Div

2 голосов
/ 12 ноября 2009

Мне нужно регулярное выражение, которое я могу использовать с PHP preg_match_all () для сопоставления содержимого внутри тегов div. Дивы выглядят так: 

<div id="t1">Content</div>

До сих пор я придумал это регулярное выражение, которое сопоставляет все div с id = "t [число]" 

/<div id="t(\\d)">(.*?)<\\/div>/

Проблема в том, что содержимое состоит из нескольких элементов div, вложенных элементов типа div: 

<div id="t1">Content <div>more stuff</div></div>

Есть идеи, как заставить мое регулярное выражение работать с вложенными тегами?

Спасибо

Ответы [ 4 ]

14 голосов
/ 12 ноября 2009

Попробуйте вместо парсера: 

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";
    }
}

Выход: 

<div id="t1">Content <div>more stuff</div></div>
<div id="t2">yes</div>

Скачать парсер можно здесь: http://simplehtmldom.sourceforge.net/

Редактировать: Больше для собственного удовольствия, я пытался сделать это в регулярном выражении. Вот что я придумал: 

$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]);
}

Выход: 

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>
)

И небольшое объяснение: 

<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'

Теперь, возможно, вы понимаете, почему люди пытаются убедить вас в , а не , используя для этого регулярное выражение. Как уже отмечалось, это не поможет, если html сформирован неправильно: регулярное выражение создаст больший беспорядок на выходе, чем html-парсер, уверяю вас. Кроме того, регулярное выражение, вероятно, заставит ваши глаза кровоточить, и ваши коллеги (или люди, которые будут поддерживать ваше программное обеспечение) могут искать вас, увидев, что вы сделали. :)

Лучше всего сначала очистить ввод (используя TIDY или аналогичный), а затем использовать анализатор для получения необходимой информации.

3 голосов
/ 26 августа 2012

Если вы верите этому парню, есть хотя бы одно регулярное выражение, которое помогает и он говорит, что это быстрее, чем дом методы ... Я согласен с ним.

http://www.php.net/manual/fr/regexp.reference.recursive.php#95568

$pattern = "/<([\w]+)([^>]*?) (([\s]*\/>)| (>((([^<]*?|<\!\-\-.*?\-\->)| (?R))*)<\/\\1[\s]*>))/xsm";
1 голос
/ 12 ноября 2009

Как я недавно узнал, регулярные выражения не могут этого сделать.

Соответствующий тег пары с регулярным выражением

Я использовал xpath, и он работает как шарм

1 голос
/ 12 ноября 2009

я думаю, что будет лучше использовать DOM-инструменты

...