php - 匹配正则表达式中的 html 标记内容

Question

我知道“不要对 html 使用正则表达式”，但说真的，加载整个 html 解析器并不总是一种选择。

所以，这是场景

<script...>
    some stuff
</script>

<script...>
    var stuff = '<';
    anchortext
</script>

如果你这样做：

<script[^>]*?>.*?anchor.*?</script>

您将从第一个脚本标记捕获到第二个块中的 /script。有没有办法做一个。*？但是通过替换 . 使用匹配块，例如：

<script[^>]*?>(^</script>)*?anchor.*?</script>

我查看了负前瞻等，但我无法让某些东西正常工作。通常我只使用 [^>]*? 为了避免跑过结束块，但在这个特定的例子中，脚本内容中有一个“<”，它在到达锚文本之前停止匹配。

为了简化，我需要类似 [^z]*? 但我需要一个捕获组来适应字符串，而不是单个字符或字符范围。

.*?(?!z) doesn't have the same effect as [^z]*? as I assumed it would.

这是我被困在的地方：http ://regexr.com?34llp

score 3 · Accepted Answer

Match-anything-but 确实通常使用负前瞻来实现：

 ((?!exclude).)*?

诀窍是不要.重复点。但要使其连续匹配任何字符，同时确保该字符不是排除词的开头。

在你的情况下，你会想要这个而不是最初的.*?

 <script[^>]*?>((?!</script>).)*?anchor.*?</script>

score 0 · Accepted Answer

像那样：

$pattern = '~<script[^>]*+>((?:[^<]+?|<++(?!/script>))*?\banchor(?:[^<]+?|<++(?!/script>))*+)</script>~';

但是 DOM 是更好的方法。

2 回答 2