正则表达式 - 从 PHP 中的 html 字符串获取表格

Posted 2023-02-24

【中文标题】正则表达式 - 从 PHP 中的 html 字符串获取表格

【英文标题】：Regular Expression - get tables from html string in PHP

【发布时间】：2014-09-23 02:23:17

【问题描述】：

我尝试使用特殊的 div 容器将所有表格包装在我的内容中，以使它们可用于移动设备。 在将表格保存在自定义 CSS 的数据库中之前，我无法包装表格。在内容打印在页面上之前，我设法获得了内容，我需要 preg_replace 那里的所有表格。

我这样做是为了获取所有表格：

preg_match_all('/(<table[^>]*>(?:.|\n)*<\/table>)/', $aFile['sContent'], $aMatches);

问题是让内部(?:.|\n)* 匹配标签内的所有内容，而不匹配结束标签。现在表达式匹配所有内容，甚至是表格​​的结束标记...

有没有办法排除结束标签的匹配？

【问题讨论】：

"有没有办法排除结束标签的匹配？" - 使用 html 解析器而不是正则表达式

你应该使用惰性匹配模型，试试：preg_match_all('/(]*>(?:.|\n)*?)/', $aFile['sContent'], $aMatches); 首先——你不应该在不需要的时候使用正则表达式。其次，在这里阅读：***.com/questions/1732348/… 最后使用 hek2mgl 答案RegEx match open tags except XHTML self-contained tags的可能重复

【参考方案1】：

您需要执行非贪婪匹配：/(<table[^>]*>(?:.|\n)*?<\/table>)/。注意问号：?。

但是，我会为此使用 DOM 解析器：

$doc = new DOMDocument();
$doc->loadHTML($html);

$tables = $doc->getElementsByTagName('table');
foreach($tables as $table) 
    $content = $doc->saveHTML($table); 

虽然使用 DOM 解析器从 HTML 文档中提取数据已经更方便了，但如果您尝试修改 HTML（如您所说），它绝对是更好的解决方案。

【讨论】：

+1 避免使用正则表达式来解析非正则语言的 HTML，因此不应被正则表达式解析。

谢谢！非贪婪匹配成功了！我的最终正则表达式：/(?m)(]*>(?:.|\n|\r)*?)/ 我对 DOM 解析器不太熟悉，但是我会尝试实现这个版本。如果我做对了，我会改用这个。非常感谢:) 不客气。只需复制我发布的代码即可。该示例旨在成为工作代码。对我不起作用……至少现在是这样。似乎有一些命名空间错误。它找不到 DOMDocument() ...可能没有安装 php 扩展或类似的东西。但是正则表达式现在可以工作，当我们的高级开发人员回来时，我会尝试再次更改它。完成后，我会尽量记住在此处发布结果。再次感谢！@Jozze 如果您在命名空间中工作，则需要使用 \DOMDocument .. 注意 `\` 寻址全局 PHP 命名空间。

【参考方案2】：

如果你不想匹配结束标签，你可以使用前瞻，

preg_match_all('/(<table[^>]*>(?:.|\n)*(?=<\/table>))/', $aFile['sContent'], $aMatches);