PHP regex，不在另一个标记中的标记
PHP regex，不在另一个标记中的标记
提问于 2017-09-06 15:55:07
我需要一个正则表达式，它是匹配的内容的<cherry>标签，这不是另一个标签的一部分。不满意，我不能使用PHP DOM解析器，因为标记的内容有时包含非常特殊的字符。
以下是传入输入的示例：
<cherry>test</cherry>
<banana>
<cherry>test</cherry>
some text
</banana>这是我当前的正则表达式，但它也将与<banana>标记中的<cherry>标记相匹配
(<cherry>)(.*?)(<\/cherry>)如何排除其他标签中的匹配项？
我已经试过很多次了。
回答 2
Stack Overflow用户
发布于 2017-09-06 16:00:49
为什么不使用DOMDocument类而不是正则表达式。只需加载DOM，然后使用getElementsByTagName获取标记即可。这样，您可以排除任何其他您不想要的标签，而只获得您想要的标签。
示例
<?php
$xml = <<< XML
<?xml version="1.0" encoding="utf-8"?>
<books>
<book>Patterns of Enterprise Application Architecture</book>
<book>Design Patterns: Elements of Reusable Software Design</book>
<book>Clean Code</book>
</books>
XML;
$dom = new DOMDocument;
$dom->loadXML($xml);
$books = $dom->getElementsByTagName('book');
foreach ($books as $book) {
echo $book->nodeValue, PHP_EOL;
}
?>阅读材料
DOMDocument
Stack Overflow用户
发布于 2017-09-06 17:11:53
假设您只需要顶层的数学标记的内容，而不需要其他任何内容，而且到目前为止还不能做到这一点，因为数学标记包含无效的xml，因此任何xml解析器都放弃了...(如问题和评论中所述)
干净的方法可能是，使用某种容错xml解析器(或容错模式)或整理之前的输入。然而，这些方法都可能“破坏”内容。
老生常谈且可能很脏的方法如下，这很可能有其他问题，如果剩余的xml也是无效的，或者您的数学标记是嵌套的，则尤其是(这将导致xml解析器在步骤2中失败)：
- 使用占位符替换任何
<math>.*</math>(不贪婪)(最好是一些独特的uniqid可能会有所帮助，但一个简单的计数器可能就足够了)通过preg_replace_callback或使用通用xml解析器对文档进行解析(将其包装在某个根标记中，作为根节点的所有子节点/所有根节点，查看在步骤1中生成了哪些节点。
例如：
<math>some invalid xml</math>
<sometag>
<math>more invalid xml</math>
some text
</sometag>替换为
$replacements = [];
$newcontent = preg_replace_callback(
'/'.preg_quote('<math>','/').'(.*)'.preg_quote('</math>','/').'/siU',
function($hit) use ($replacements) {
$id = uniqid();
$replacements[$id] = $hit[1];
return '<math id="'.$id.'" />';
},
$originalcontent);这将把你的内容变成：
<math id="1stuniqid" />
<sometag>
<math id="2nduniqid" />
some text
</sometag>现在使用您选择的xml解析器，选择所有根级别/基本级别元素并查找/math/@id (我的XPath可能就是错误的，请根据需要进行调整)。结果应该包含所有uniqid，您可以在替换数组中查找
编辑:修复了一些preg_quote问题，并使用了更多的标准分隔符。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/46069699
复制相关文章
相似问题
腾讯云开发者
