Regex和PHP用于提取带有多个换行符的标记之间的内容

如何提取具有多个换行符的标记之间的内容

我是regex的新手，他想知道如何处理未知数量的换行符以匹配我的查询

任务：提取

和第一个结束标记之间的内容。

原始来源：

<div class="test">optional text<br/>
content<br/>
<br/>
content<br/>
...
content<br/><a href="/url/">Hyperlink</a></div></div></div>

可选文本

内容



内容

...
内容

我算出了下面的正则表达式

/<div class=\"test\">(.*?)<br\/>(.*?)<\/div>/

/（.*）（.*）/

只是想知道如何使用正则表达式匹配多个换行符

我们有DOM，但我不熟悉它。

你不应该用正则表达式解析（x）html。使用DOM

我是xpath的初学者，但像这样的方法应该可以：

//div[@class='test']

这将选择类为“test”的所有div。您需要将html加载到DOMDocument对象中，然后创建一个与之相关的DOMDxpath对象，并调用其

execute（）

方法来获得结果。它将返回一个域节点列表对象。
最终代码如下所示：

$domd = new DOMDocument();
$domd->loadHTML($your_html_code);
$domx = new DOMXPath($domd);
$items = $domx->execute("//div[@class='test']");

在此之后，您的div位于

$items->item（0）

中

这是未经测试的代码，但如果我没记错的话，它应该可以工作

更新，忘记需要内容

如果需要文本内容（无标记），只需调用

$items->item（0）->textContent

。如果您还需要这些标记，下面是javascript的innerHTML for PHP DOM的等价物：

function innerHTML($node){
  $doc = new DOMDocument();
  foreach ($node->childNodes as $child)
    $doc->appendChild($doc->importNode($child, true));

  return $doc->saveHTML();
}

---

使用

$items->item（0）

作为参数调用它。

您可以使用

preg\u match\u all（'/（.**？）/si'，$html，$matches）。但是请记住，这将匹配HTML中的第一个结束符
。例如，如果HTML看起来像
…aaa…bbb…ccc…
，那么您将得到
…aaa…bbb…
作为$matches的结果

因此，最终使用DOM解析器确实是一个更好的解决方案。
使用HTML解析器。在SO中，您可以找到大量使用DOM扩展的示例。您的意思是使用正则表达式解析XML？解析是将文本处理成有用数据的任务。Regexen只能够解析，例如，它不包括平衡括号的语言（其中
（[]）（）
匹配，但
（[）
不匹配）。HTML需要这样做的能力（例如，
是合法的，但
不是），因此不能用正则表达式解析。您有一个目标：“获取给定的
div
”。但是，您所说的方法不可能达到目的。我承认在使用正则表达式处理变量和条件方面存在一些习惯。我将尝试使用本机方法-DOM来处理HTML/XML。稍后我将认真研究您的方法。目前正在阅读一些DOM教程。@John XPath需要一些习惯，但是当你开始看到它的强大功能时，你会发现它非常棒，而且比regexps有用得多。我最近开始将我的一个data miner类从regexps重写为dom和xpath，我很惊讶它变短了，而且与regex版本不同，它也非常可读。