使用 preg_match_all PHP 限制结果数
Posted
技术标签:
【中文标题】使用 preg_match_all PHP 限制结果数【英文标题】：Limit the number of results using preg_match_all PHP 【发布时间】：2011-05-27 01:43:22 【问题描述】：有没有办法限制使用preg_match_all 返回的匹配数？
例如，我只想匹配网页上的前 20 个 <p> 标签，但有 100 个 <p> 标签。
干杯
【问题讨论】：
【参考方案1】：这是真正的答案；最节省内存的方式。
改为通过preg_replace_callback() 使用引用分配。
<?php
$matches = [];
preg_replace_callback(
'~<p(?:\s.*?)?>(?:.*?)</p>~s',
function (array $match) use (&$matches)
$matches[] = $match[0];
,
$html,
20,
$_
);
var_dump($matches);
【讨论】：
当 p 标签有属性或者它们的 innerhtml 跨越超过一行时不起作用。兔子洞开始了。请在解析 html 时建议不要使用正则表达式。 另外，据我统计，preg_replace_callback() 最多有 5 个参数。 ($pattern, $callback, $subject, $limit, and $count) PREG_SET_ORDER 不是必需的，也不会被兑现。我也不认为声明 count 变量对这种情况有价值。 php.net/manual/en/function.preg-replace-callback.php
@mickmackusa 我的 sn-p 不适合这个问题，抱歉。那是为了我的工作。
@mickmackusa 这是文档错误。 php-src 说它有 6 个参数。 github.com/php/php-src/blob/…
酷。谢谢你让我知道。尽管如此，最后两个参数并不是真正需要的。【参考方案2】：
为了延续@Gumbo 的建议，使用DOM 解析器而不是正则表达式，下面的sn-p 将使用带有position() 条件的XPath 查询来限制目标标签。
代码：(Demo targeting 4 of 5 p tags)
$html = <<<HTML
<div>
<p class="classy">1
</p>
<p>2</p>
<p data-p="<p>notatag</p>">3</p>
<span data-monkeywrench='<p'>z</span>
<p
data-p="<p>notatag</p>">4</p>
<p>5</p>
</div>
HTML;
$dom = new DOMDocument();
$dom->loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
$xpath = new DOMXPath($dom);
foreach ($xpath->query('//p[position() <= 4]') as $p)
echo var_export($p->nodeValue, true) , "\n---\n";
输出：
'1
'
---
'2'
---
'3'
---
'4'
---
【讨论】：
【参考方案3】：你可以使用T-Regx库：
pattern('<p>')->match($yourHtml)->only(20);
【讨论】：
【参考方案4】：我不这么认为，但preg_match 确实有一个offset 参数，还有一个PREG_OFFSET_CAPTURE 标志，当它们组合时，可用于获得“下一场比赛”。
如果您不想获得所有结果然后array_slice() 部分关闭，这主要是有用的：o)
编辑： 好的，这是一些代码（未经测试或以任何方式使用）：
$offset = 0;
$matches = array();
for ($i = 0; $i < 20; $i++)
$results = preg_match('/<p(?:.*?)>/', $string, PREG_OFFSET_CAPTURE, $offset);
if (empty($results))
break;
else
$matches[] = $results[0][0];
$offset += $results[0][1];
【讨论】：
【参考方案5】：您可以使用preg_match_all() 并丢弃您不感兴趣的匹配项，也可以使用带有preg_match() 的循环。如果您担心扫描大字符串的费用，第二个选项会更好。
此示例限制为 2 个匹配项，而整个字符串中实际上有 3 个：
<?php
$str = "ab1ab2ab3ab4c";
for ($offset = 0, $n = 0;
$n < 2 && preg_match('/b([0-9])/', $str, $matches, PREG_OFFSET_CAPTURE, $offset);
++$n, $offset = $matches[0][1] + 1)
var_dump($matches);
实际上，while 循环可能比 for 循环反射更清晰；)
【讨论】：
【参考方案6】：不，preg_match_all 结果集的计算不能被限制。之后您只能使用array_slice 或array_splice 限制结果（这需要PREG_SET_ORDER）：
preg_match_all($pattern, $subject, $matches, PREG_SET_ORDER);
$firstMatches = array_slice($matches, 0, 20);
但除此之外，你不应该使用正则表达式来解析 HTML。尽管现代正则表达式引擎不再是正则表达式，并且可以处理 HTML 等不规则语言，但它太容易出错。最好使用适当的 HTML 解析器，而不是像 PHP’s DOM library 那样的解析器。然后只需使用计数器最多只能获得 20 个匹配项：
$doc = new DOMDocument();
$doc->loadHTML($code);
$counter = 20;
$matches = array();
foreach ($doc->getElementsByTagName('p') as $elem)
if ($counter-- <= 0)
break;
$matches[] = $elem;
【讨论】：
干杯 Gumbo，这个 DOM 东西真的很有用。从来没有尝试过在 HTML 上使用它而不是 reg ex，所以试试吧！ @SiQ：请注意，DOMDocument 实现了 W3C 指定的 DOM，因此非常广泛；如果你只是需要阅读 DOM，你也可以试试SimpleXML。 您的 DOMDocument 解决方案也在事后限制了代码，不是吗？它没有设置限制，但会忽略它收集的额外标签。【参考方案7】：只匹配所有并切片结果数组：
$allMatches = array ();
$numMatches = preg_match_all($pattern, $subject, $allMatches, PREG_SET_ORDER);
$limit = 20;
$limitedResults = $allMatches;
if($numMatches > $limit)
$limitedResults = array_slice($allMatches, 0, $limit);
// Use $limitedResults here
【讨论】：
【参考方案8】：$matches = array();
preg_match_all ( $pattern , $subject , $matches );
$twenty = array_slice($matches , 0, 20);
【讨论】：
以上是关于使用 preg_match_all PHP 限制结果数的主要内容，如果未能解决你的问题，请参考以下文章
PHP - preg_match_all 没有搜索完整的字符串？
preg_match_all (PHP) 中的 UTF-8 字符
php 'preg_match_all' 和 'str_replace'：用数组键替换常量的正则表达式