php - 一个困扰我的简单正则表达式

Question

我有以下文字：

<!--:en-->&nbsp;

<!--:-->

我想构造一个模式来从字符串（PHP）中提取它。我尝试：

<!--:[a-z]{2}-->(&nbsp;\r\n\s)<!--:-->

但它不起作用，有人知道为什么或可以帮助我吗？

Answer 1

您可能不想使用正则表达式来解析 XML/HTML。

这有很多原因。

相反，您通常更愿意使用为该特定任务制作的工具进行解析。

---

无论如何，您在这里需要的更像是：

( |\s)*

Answer 2

您需要转义特殊字符，例如连字符。尝试这个：

/<\!\-{2}\:[a-z]{2}\-\->((&nbsp;|\s)*)<\!\-{2}\:\-{2}>/

Answer 3

如果我正确理解了你的问题，你必须匹配整个文本，包括评论。

所以，严格来说你的具体问题，我会使用类似的东西：

$s = "<!--:en-->&nbsp; 

<!--:-->";

$a = array();
preg_match('/<!--:[a-z]{2}-->&nbsp;\\s+<!--:-->/', $s, $a);

for ($i = 0; $i < count($a); $i++) {
  var_dump(htmlentities($a[$i]));
}

一般来说，我不会质疑你是否应该使用正则表达式解析 HTML，但是请注意，当 Colin 说用正则表达式实际解析 HTML 可能非常困难（读作“几乎不可能”）时，他是对的，因为他表示状态的帖子。