php - 在多行正则表达式中是否有用于捕获换行符的标记？

Question

在尝试使用 php 和 preg* 函数进行一些 html 抓取之前，我曾多次遇到过这个问题。

大多数时候我必须捕捉这样的结构：

<!-- comment -->
<tag1>lorem ipsum</tag>

<p>just more text with several html tags in it, sometimes CDATA encapsulated…&lt;/p>
<!-- /comment -->

特别是我想要这样的东西：

/<tag1>(.*?)<\/tag1>\n\n<p>(.*?)<\/p>/mi

但\n\n看起来不起作用。

有通用的断线开关吗？

score 3 · Accepted Answer

3

我认为你可以\n\n用(\r?\n){2}这种方式替换它，CRLF而不是仅仅捕获LF字符。

于 2009-07-04T09:42:59.687 回答

score 1 · Accepted Answer

您确定要使用 regexps 解析 HTML 吗？HTML 是不规则的，并且有太多的极端情况。

我会调查某种形式的 HTML 解析器（也许是这个？），然后通过返回的 HTML 数据结构识别您感兴趣的模式。

score 0 · Accepted Answer

或者您可以查看php的Dom 扩展。它具有从字符串或文件加载 html 的功能。然后就可以使用php dom方法遍历dom，找到自己感兴趣的数据了。

3 回答 3