Php 通过正则表达式提取样式表

是的，我知道，我知道，用正则表达式解析HTML非常糟糕。但我使用的是遗留代码，它应该从html页面中提取所有

链接

和

样式

元素。我会更改它并使用

dom

扩展名，但是在正则表达式之后，有一个巨大的代码块，它依赖于

preg\u match\u all

返回匹配结果的方式

脚本正在使用以下正则表达式：

$pattern = '/<(link|style)(?=.+?(?:type="(text\/css)"|>))(?=.+?(?:media="(.*?)"|>))(?=.+?(?:href="(.*?)"|>))(?=.+?(?:rel="(.*?)"|>))[^>]+?\2[^>]+?(?:\/>|<\/style>)\s*/is';

preg_match_all($pattern, $htmlContent, $cssTags);

$pattern='/）（？=.+？（？：media=“（.*？”））（？=.+？（？：href=“（.*？”））（？=.+？（？：rel=“（.*？”））[^>]+？\2[^>]+（？：\/>）\s*/is'；
preg_match_all（$pattern、$htmlContent、$cssTags）；

---

但它不起作用。没有匹配的元素。不幸的是，我在正则表达式方面真的很差劲，所以如果有人能帮助我，那就太好了。

我会把这个问题分解成几个小问题。它将更容易编写，更容易维护。当然还有更多的代码行。一个大型正则表达式的问题是存在许多gotcha，输入可能无效，这在一个大型模式中很难管理

/<link([^>]+)>/
-> extract attributes:
   /([\w]+)\s*=\s*"([^"]*)"/

/<style[^>]*>(.+?)</style>/
-> extract inline styles

/]+）>/
->提取属性：
/（[\w]+）\s*=\s*”（[^“]*）”/
/]*>(.+?)/
->提取内联样式

---

最后将结果合并到一个数组中，就好像preg_match_都生成了它一样。

如果我使用正则表达式来实现这一点，例如，因为您需要能够处理无效的HTML，而使用适当的解析器往往很难处理无效的HTML，我会使用单独的正则表达式。使用一个或两个正则表达式来获得

样式和
链接ode>标记，并使用另一组正则表达式从每个标记获取各种属性

您的正则表达式试图通过使用lookahead重复扫描开始标记以获取所有元素，从而一次完成所有操作。在一个正则表达式是您可以使用的全部的情况下，这是一个巧妙的技巧，但在编写您自己的代码时不推荐使用它

我对你的正则表达式做了一些改进。为了提高效率，我在可能的情况下用否定的字符类替换了
*？
和
+？
。你的正则表达式不起作用的原因是它没有正确地尝试匹配结束标记，也没有正确地处理没有结束标记的
链接
标记。我解决了这个问题

正则表达式：

<(link|style)(?=[^<>]*?(?:type="(text/css)"|>))(?=[^<>]*?(?:media="([^<>"]*)"|>))(?=[^<>]*?(?:href="(.*?)"|>))(?=[^<>]*(?:rel="([^<>"]*)"|>))(?:.*?</\1>|[^<>]*>)

）（？=[^]*？（？：media=“（[^”]*）”|>）（？=[^]*？（？：href=“（.*？）”|>）（？=[^]*（？：rel=“（[^”]*）”|>）（？：*。[^]*>）

PHP:

$pattern='%）（？=[^]*？（？：media=“（[^”]*）”|>）（？=[^]*？（？：href=“（.*？）”|>）（？=[^]*（？：rel=“（[^”]*）”|>）（？：。。。[^]*>）%si
非常感谢您的回答，但我最终使用DOM扩展重写了这一部分。这将使它更加健壮。
仅获取外部资源：

preg_match_all('#(<link\s(?:[^>]*rel="stylesheet")[^>]*>)\R?#is', $content, $matches, PREG_SET_ORDER)

preg#u match_all（'#（]*rel=“stylesheet”）[^>]*>）\R？#is'，$content，$matches，preg#u SET_ORDER）
所有匹配项都被使用了？我是指类型、媒体等？@galambalazs是的，就我所见，情况就是这样。巨大的代码块听起来是重构的一个很好的候选者。扔掉它以获得合适的DOM解决方案。如果需要，您可以从DOM库中获取结果，并从preg中创建与匹配项数组相同的数组结构_全部匹配
preg_match_all('#(<link\s(?:[^>]*rel="stylesheet")[^>]*>)\R?#is', $content, $matches, PREG_SET_ORDER)