我已经编码了一段时间，但似乎无法理解正则表达式。
这就引出了我的问题：使用PHP的爆炸来分解一串html代码来选择文本片段是不是一种糟糕的做法？我需要在一页上抓取各种信息，由于我可怕的正则表达式知识（在一个完整的软件工程学位中，我不得不写一个……），我决定使用explode（）。
我在下面提供了我的代码，所以比我经验更丰富的人可以告诉我是否需要使用regex！
public function split_between($start, $end, $blob)
{
$strip = explode($start,$blob);
$strip2 = explode($end,$strip[1]);
return $strip2[0];
}
public function get_abstract($pubmed_id)
{
$scrapehtml = file_get_contents("http://www.ncbi.nlm.nih.gov/m/pubmed/".$pubmed_id);
$data['title'] = $this->split_between('<h2>','</h2>',$scrapehtml);
$data['authors'] = $this->split_between('<div class="auth">','</div>',$scrapehtml);
$data['journal'] = $this->split_between('<p class="j">','</p>',$scrapehtml);
$data['aff'] = $this->split_between('<p class="aff">','</p>',$scrapehtml);
$data['abstract'] = str_replace('<p class="no_t_m">','',str_replace('</p>','',$this->split_between('<h3 class="no_b_m">Abstract','</div>',$scrapehtml)));
$strip = explode('<div class="ids">', $scrapehtml);
$strip2 = explode('</div>', $strip[1]);
$ids[] = $strip2[0];
$id_test = strpos($strip[2],"PMCID");
if (isset($strip[2]) && $id_test !== false)
{
$step = explode('</div>', $strip[2]);
$ids[] = $step[0];
}
$id_count = 0;
foreach ($ids as &$value) {
$value = str_replace("<h3>", "", $value);
$data['ids'][$id_count]['id'] = str_replace("</h3>", "", str_replace('<span>','',str_replace('</span>','',$value)));
$id_count++;
}
$jsonAbstract = json_encode($data);
echo $this->indent($jsonAbstract);
}
我强烈建议您试用PHP Simple HTML DOM Parser库。它处理无效的HTML，并被设计为解决您正在处理的相同问题
文档中的一个简单示例如下：
// Create DOM from URL or file
$html = file_get_html('http://www.google.com/');
// Find all images
foreach($html->find('img') as $element)
echo $element->src . '<br>';
// Find all links
foreach($html->find('a') as $element)
echo $element->href . '<br>';
对任何事情使用正则表达式都不是必不可少的，尽管熟悉它们并知道何时使用它们会很有用。
它看起来像是你在刮PubMed，我猜它在标记方面有相当静态的标记。如果您所做的工作和性能如您所希望的那样，我看不出有任何理由切换到使用正则表达式，那么在本例中，它们不一定会更快。
学习正则表达式，并尝试使用一种具有用于此类任务的库的语言，如perl或python。这会为你节省很多时间。起初，它们可能看起来令人生畏，但对于大多数任务来说，它们确实很容易。请尝试阅读以下内容：http://perldoc.perl.org/perlre.html