Таблицы регулярных выражений, как соответствовать?

Question

Мне нравится возвращать строки в этой таблице

<tr class="rowodd" onclick="window.location.href='/portal/offers/show/entityId/32114';">
  <td>01.10.2009</td>
   <td>AN09551</td>
     <td>[2009132] Ich bin Un.&nbsp;<a href="/portal/clients/show/entityId/762350"><myimsrc="/img/bullet_go.pngs" alt="" title="Kundenakte aufrufen"></a></td>
   <td class="number" title="7.500,00Â&nbsp;€">7.500,00Â&nbsp;</td>
    <td>Entwurf</td>
     </tr> 

Я попробовал также это:

#<tr>.*?<t.*?>(.*?)</t.*?>.*?<t.*?>(.*?)</t.*?>.*?<t.*?>(.*?)</t.*?>.*?</tr>#s

Может кто-нибудь помочь?

Answer 1

Как отметили / отметили многие люди, вам гораздо лучше использовать синтаксический анализатор HTML / XML для вышеуказанного (например, этот ). HTML не является регулярным, и при использовании регулярного выражения существует множество крайних вариантов кода.

Учитывая, что вы просто хотите извлечь текст, возможно, XPath поможет. Выражение, такое как:

/tr/td/text() 

может добиться цели.

Answer 2

Не используйте столько неявных не жадных выражений, как .*?. Несмотря на то, что они делают то, что вы хотите, они часто возвращаются назад и, таким образом, делают все ваше выражение неэффективным. Особенно, когда вы используете их так много.

Постарайтесь быть максимально явным:

#<tr\b(?:[^"'>]*|"[^"]*"|'[^']*')*>\s*
    <td\b(?:[^"'>]*|"[^"]*"|'[^']*')*>((?:[^<]|(?!</td\s*>)<)*)</td\s*>\s*
    <td\b(?:[^"'>]*|"[^"]*"|'[^']*')*>((?:[^<]|(?!</td\s*>)<)*)</td\s*>\s*
    <td\b(?:[^"'>]*|"[^"]*"|'[^']*')*>((?:[^<]|(?!</td\s*>)<)*)</td\s*>\s*
    <td\b(?:[^"'>]*|"[^"]*"|'[^']*')*>((?:[^<]|(?!</td\s*>)<)*)</td\s*>\s*
    <td\b(?:[^"'>]*|"[^"]*"|'[^']*')*>((?:[^<]|(?!</td\s*>)<)*)</td\s*>\s*
</tr\s*>#sx

Но, как вы видите, это беспорядок.

Вам лучше использовать HTML-анализатор, такой как DOMDocument . Затем вы можете запросить элементы с помощью XPath, как предложил Брайан Агнью. Это намного надежнее и удобнее, чем регулярные выражения.

Answer 3

Попробуйте:

// http://simplehtmldom.sourceforge.net/
include('simple_html_dom.php');
$str = '<tr class="rowodd" onclick="window.location.href=\'/portal/offers/show/entityId/32114\';">
  <td>
    01.10.2009
  </td>
  <td>
    AN09551
  </td>
  <td>
    [2009132] Ich bin Un. <a href="/portal/clients/show/entityId/762350">
    <myimsrc="/img/bullet_go.pngs" alt="" title="Kundenakte aufrufen"></a>
  </td>
  <td class="number" title="7.500,00">
    7.500,00
  </td>
  <td>
    Entwurf
  </td>
</tr>';
$html = str_get_html($str);
foreach($html->find('td') as $element) {
  echo trim($element->innertext) . "\n";
}

Выход:

01.10.2009
AN09551
[2009132] Ich bin Un. <a href="/portal/clients/show/entityId/762350">
    <myimsrc="/img/bullet_go.pngs" alt="" title="Kundenakte aufrufen"></a>
7.500,00
Entwurf

Answer 4

В мире PHP есть preg_match_all, что делает его намного проще, чем в JS.

$ptn = "/<\s*td[^>]*>([^<^>]*)</;
preg_match_all($ptn, $str, $matches);
print_r($matches);

Проверьте результат в Preg Tester

Answer 5

В противном случае с помощью регулярного выражения вы можете использовать это (с многострочным параметром):

(?:\<td[^\>]*?\>([^\<]*?)\</td\>)+

Но, как заметил @Brian Agnew, это не так хорошо, как анализатор XML / HTML ...

Answer 6

не strip_tags вариант?

он удалит все теги и оставит только текст между тегами. хотя атрибуты тоже лишены

в вашем случае это приведет к:

  01.10.2009
   AN09551
     [2009132] Ich bin Un. 
   7.500,00 € 
    Entwurf