我有以下两种类型的文本:
类型一:
<div class="meta-name">Corporate Officers</div>
<div class="meta-data"><table border="0" cellspacing="0" cellpadding="0" width="171">
<col width="171"></col>
<tbody>
<tr height="19">
<td width="171" height="19">Officer One</td>
</tr>
</tbody>
</table>
</div>
</div>
类型二:
<div class="meta-name">Corporate Officers</div>
<div class="meta-data">Officer Two</div>
</div>
<pre>
我使用php与preg_match_all
。我需要一个单一的表达式,从上面返回警官1和警官2。我使用Corporate Officers < /div>
作为第一个锚点,< /div>
作为第二个锚点,但是我无法在所有的表格胡言乱语中找到Keith Dennis。
我如何在anchor1和anchor2之间返回文本,同时忽略任何括号<>
之间的所有文本?
我看到这些线程,但不能使他们的解决方案为我工作:RegEx:提取X之前的所有内容,其中X不在两个括号之间
With SimpleXML:
$xml = new SimpleXMLElement('<div>
<div class="meta-name">
Corporate Officers
</div>
<div class="meta-data">
<table border="0" cellspacing="0" cellpadding="0" width="171">
<col width="171" />
<tbody>
<tr height="19">
<td width="171" height="19">
Officer One
</td>
</tr>
</tbody>
</table>
</div>
</div>
');
$results = array();
foreach($xml->children() as $node) {
if($node->getName() == 'div') {
$attributes = $node->attributes();
$classes = explode(' ', $attributes['class']);
if(in_array('meta-name', $classes) || in_array('meta-data', $classes)) {
$results[] = getText($node);
}
}
}
function getText($node) {
$text = trim(sprintf('%s', $node));
if(strlen($text) !== 0) {
return $text;
}
foreach($node->children() as $child) {
if($text = getText($child)) {
return $text;
}
}
return null;
}
var_dump($results);
作为一般的经验法则,永远不要使用Regex来解析HTML
大约80%的正则表达式问题是关于xml/html/xhtml的。大约75%的答案是而不是使用正则表达式。为什么?因为虽然它可能看起来对您的示例有效,但它将是脆弱的,并且可能会随着输入的轻微变化而中断。
请看看这个漂亮的工具。如果您不能使用,请回来,我们将提供帮助。
试试这个regex:
'~<div'b[^>]*>Corporate's+Officers</div>'s*<div'b[^>]*>(?:<(?!/?div'b)[^>]*>|'s+)*'K[^<]+~'
这是基于这样的假设:在开始的<div>
标记和您正在寻找的名称之间的HTML中没有其他文本内容。第一部分不言自明:
<div'b[^>]*>Corporate's+Officers</div>'s*<div'b[^>]*>
我假设"Corporate Officers"文本足以定位起点,但如果需要,您可以重新插入class
属性。在那之后,
(?:<(?!/?div'b)[^>]*>|'s+)*
…使用除<div>
或</div>
标记以外的任意数量的标记,以及任何中间的空白。然后'K
出现并说忘记这一切,真正的匹配从这里开始。[^<]+
消耗到下一个标签开头的所有内容,这就是您在匹配结果中看到的全部内容。就好像'K
之前的一切都是积极的回顾,但没有所有的限制。
这里有一个演示