php - 如何将 php preg_split 与 html 字符串一起使用

Question

我正在尝试解析格式错误的 html 表：

其中有几行是：

  Food:</b> Yes<b><br>
  Pool: </b>Beach<b></b><b><br>
  Centre:</b> Yes<b><br>

在使用 Xpath 花了很多时间之后，我认为将上面的文本拆分为行使用preg_split并从那里解析可能会更好。

我认为可行的模式使用：

<\b><\br>*: <\b>

我的代码如下：

$pattern='</b></br>*:</b>';           
$pattern=preg_quote($pattern,'#');
$chars = preg_split($pattern, $output);
print_r($chars);

我收到以下错误：

分隔符不能是字母数字或反斜杠

我做错了什么？

score 1 · Accepted Answer

尝试这个：

$pattern='</b></br>*:</b>';           
$pattern=preg_quote($pattern,'#');
$chars = preg_split('#'.$pattern.'#', $output);
print_r($chars);

该preg_quote函数只是使它安全地转义，它实际上并没有为您添加分隔符。

正如其他人肯定会指出的那样，使用正则表达式不是解析 HTML 的好方法 :)

您的正则表达式也不会与您希望的匹配。这是一个可能适用于您输入的版本：

$in = " Pool: </b>Beach<b></b><b><br>";
$out = explode(':', strip_tags($in));
$key = trim($out[0]);
$value = trim($out[1]);
echo "$key = $value\n";

这将删除所有 HTML，然后在冒号上拆分，然后删除任何周围的空格。

score 0 · Accepted Answer

您的模式需要以分隔符开始和结束；#如果我没看错的话，看起来你正在使用，所以你应该有$pattern = '#</b></br>.*:</b>#';.

另外，你把事情搞混了；*不是正则表达式中的简单通配符。如果您的意思是“任意数量的任意字符”，您需要的模式是.*. 我已经在上面包含了这个。

2 回答 2