在PHP中使用单个preg_match_all查找多个模式

Question

使用PHP和preg_match_all，我正在尝试获取以下标签（以及标签之间的所有HTML内容）：

<p>paragraph text</p>
don't take this
<ul><li>item 1</li><li>item 2</li></ul>
don't take this
<table><tr><td>table content</td></tr></table>

我可以很好地获取其中一个：

preg_match_all("(<p>(.*)</p>)siU", $content, $matches, PREG_SET_ORDER);

有没有一种方法可以获取所有的

<p></p> <ul></ul> <table></table>

您是否需要使用单个 preg_match_all 函数来提取内容？我需要按照它们被找到的顺序将它们输出，以便在 echo 时使内容更有意义。

如果我在上面的内容中执行 preg_match_all，然后遍历 $matches 数组，它会依次输出：

<p>paragraph text</p>
<ul><li>item 1</li><li>item 2</li></ul>
<table><tr><td>table content</td></tr></table>

- Marcus

---

使用XML解析器。 - eykanal

@mario：实际上有点两者兼而有之，只是夸张了一点。重要的是：“正则表达式是一种工具，不足以理解HTML所使用的结构。HTML不是一种正则语言，因此不能被正则表达式解析。” - netcoder

你应该使用一个XML解析器。（没错，继续标记这个评论） - user1228

不要使用正则表达式来解析HTML。请使用适当的HTML解析模块。您无法可靠地使用正则表达式解析HTML，而且在后续过程中会遇到悲伤和挫折。一旦HTML与您的预期不同，您的代码将被破坏。请参阅http://htmlparsing.com/php，了解如何使用已经编写、测试和调试的PHP模块正确解析HTML的示例。 - Andy Lester

Answer 1

使用|来匹配一组字符串中的一个：p|ul|table

使用反向引用来匹配相应的闭合标签：\\2，因为组(pl|ul|table)包含第二个开括号。

把所有东西都放在一起：

preg_match_all("(<(p|ul|table)>(.*)</\\2>)siU", $content, $matches, PREG_SET_ORDER);

如果您的输入HTML遵循非常严格的结构，此方法才能正常工作。标签中不能有空格，也不能有任何属性。如果存在嵌套，则此方法也会失败。建议考虑使用HTML解析器来完成更好的工作。

- moinudin

Answer 2

这对我有用。

preg_match_all("#<\b(p|ul|table)\b[^>]*>(.*?)</\b(p|ul|table)\b>#si", $content, $matches)

- James

Answer 3

如果您要使用DOM解析器，而且您应该这样做，那么以下是如何操作的。一位贡献者发布了一个有用的函数，用于获取DOMNode的innerHTML，我将在以下示例中使用它：

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

$p = $dom->getElementsByTagName('p')->item(0); // first <p> node
$ul = $dom->getElementsByTagName('ul')->item(0); // first <ul> node
$table = $dom->getElementsByTagName('table')->item(0); // first <table> node

echo DOMinnerHTML($p);
echo DOMinnerHTML($ul);
echo DOMinnerHTML($table);

- netcoder

Answer 4

虽然可以使用正则表达式来完成，但是您可以使用更简单的HTML解析工具包来简化任务。例如，使用phpQuery或者QueryPath就像这样简单：

qp($html)->find("p, ul, table")->text();   // or loop over them

- mario