php - HTML 中的 RegEx 与 preg-match 拆分

Question

我有一个损坏的 html 页面，不幸的是我无法用 xml/xcode 解析，所以我想出了正则表达式。我是一个正则表达式初学者，但我无法得到正确的结果。

来源

<td>FIELD:</td> <td>VALUE<td>

我想获得价值，这就是我卡住的地方

$regex = '{<td[^>]*<td>(.*?)</td>}';

编辑：结果我想要一个可以达到值的数组，所以我只对值感兴趣

我很感激每一个提示。

干杯

Answer 1

试试这个：

'{<td>.*?</td>\s+<td>(.*?)</td>}'

但是您/在 html 文本中遗漏了 a 如果损坏，您的意思是在结束标记处缺少斜杠，您可以使用这个：

'{<td>.*?</?td>\s+<td>(.*?)</?td>}' 结束标签中的斜杠现在是可选的

Answer 2

您的正则表达式存在一些立即可见的问题；例如，<td[^>]*<td>不做你认为它做的事。但与其建议一个不同的正则表达式，让我敦促你做最理智的事情：

不要为此使用正则表达式！

相信我。不要这样做。其他人会来这里建议新的正则表达式模式，他们的模式都是错误的。正则表达式甚至无法胜任解析干净的 HTML/XML 的任务，因此尝试在任意损坏的代码上使用它是一种疯狂的做法。试试HTML Tidy，它是为这类事情而设计的。根据 HTML 的问题，像HtmlPurifier或Beautiful Soup这样的解析器也可能能够使用它。

这可能看起来需要更多的努力，但从长远来看，你会节省自己的时间。