php - 正则表达式问题 - 检索具有给定类的标签内容 - preg_match(_all)

Question

我需要<p>用给定的类检索标签的内容。类可以是simplecomment或comment...

所以我写了下面的代码

preg_match("|(<p class=\"(simple)?comment(.*)?\">)(.*)<\/p>|ism", $fcon, $desc);

不幸的是，它什么也没返回。但是，如果我删除标签结束部分（<\/p>）它会以某种方式工作，返回太长的字符串（从标签开始到文档结尾）......

我的正则表达式有什么问题？

Answer 1

尝试使用像http://simplehtmldom.sourceforge.net/这样的 dom 解析器

如果我正确阅读了 simplehtmldom 主页上的示例代码，您可以执行以下操作：

$html->find('div.simplecomment', 0)->innertext = '';

Answer 2

这里的快速修复如下：

'|(<p class="(simple)?comment[^"]*">)((?:[^<]+|(?!</p>).)*)</p>|is'

变化：

• 该构造(.*)只会盲目匹配所有内容，这会阻止您的正则表达式工作，因此我已将这些实例完全替换为更严格的匹配：
  1. ... comment(.*)?... - 这将匹配全部或全部，基本上。我将其替换为[^"]*因为它将匹配零个或多个非"字符（基本上，它将匹配属性的结束"字符。class
  2. ... >)(.*)<\/p>... - 再次，这将匹配太多。我已经用一个匹配所有非字符的有效模式替换了它<，一旦它命中 a<它将检查它是否跟在</p>. 如果是，它将停止匹配（因为我们在<p>标签的末尾），否则它将继续。
• 我删除了这个m标志，因为它在这个正则表达式中没有用。

但它不可靠（想象一下<p class="comment">...<p>...</p></p>；它会匹配<p class="comment">...<p>...</p>）。

为了使其可靠，您需要使用递归正则表达式或（甚至更好）HTML 解析器（或 XML，如果您正在处理的是 XHTML。）甚至有一些库可以“正确”处理格式错误的 HTML（就像浏览器一样。）