正则表达式 - PHP中，如何用正则提取指定的html容器

Question

<p class="baby">
    <img src="" />
    <p class="another-shit">
        <h1>contont</h1>
        <p>ppppppp</p>
    </p>
    <a href="#">my link</a>
    <p class="lie"></p>
</p>
<p class="baby">
    <p class="another-shit">
        <h1>contont</h1>
        <p>ppppppp</p>
    </p>
    <a href="#">my link</a>
    <p class="lie"></p>
</p>
<p class="baby">
    <p class="another-shit">
        <h1>contont</h1>
        <p>ppppppp</p>
    </p>
    <a href="#">my link</a>
    <p class="lie"></p>
</p>
<p class="nonono"></p>

以上代码，我需要提取所有class为baby的容器内容，结构不一定是这样。也就是说，我需要提取某个容器的内容。 谢谢。

Answer 1

也不知道为什么大家都想用正则来提取 DOM 树 ... 正则分明就不是用来做这个的 ...

在想要这么做的时候 ... 你看到正则满心的委屈了么 ..?

让千里马拉磨终归是不好 ... 如果要提取 DOM 树 ... 正确的方式如下 ...

<?php
/* in this situation you need DOM ... */
$doc = new DOMDocument();

/* load your html here ... */
$doc->loadHTML( <<<HTML_SECTION
<p class="baby">
    <img src="" />
    <p class="another-shit">
        <h1>contont</h1>
        <p>ppppppp</p>
    </p>
    <a href="#">my link</a>
    <p class="lie"></p>
</p>
<p class="baby">
    <p class="another-shit">
        <h1>contont</h1>
        <p>ppppppp</p>
    </p>
    <a href="#">my link</a>
    <p class="lie"></p>
</p>
<p class="baby">
    <p class="another-shit">
        <h1>contont</h1>
        <p>ppppppp</p>
    </p>
    <a href="#">my link</a>
    <p class="lie"></p>
</p>
<p class="nonono"></p>
HTML_SECTION
);

/* make a result array ... */
$result = [];

/* go through all nodes which have class="baby" ... */
foreach( ( new DOMXPath( $doc ) )->query( '//*[@class="baby"]' ) 
    as $element )

    /* just push it into the result ... */
    $result[] = $doc->saveHTML( $element );

/* and print the result out ... */
print_r( $result );

关于 DOM 模块 的其他我在之前的 这个答案 里都写的很清楚 ... 这里就不再赘述了 ...

如果你有兴趣的话可以看看 ...

至于标题的问题 ... 对于 90% 以上的情况 ... 答案都是 使用正则做不到 ...

如果你特别坚持非要用正则不可 ... 并且你要处理的文档和你例子中的一样 ... 那有方法如下 ...

<?php
/* crying regex matcher ... */
preg_match_all( 
'(^(\s*)<(\w+)\sclass="baby">.*^\\1</\\2>)ism',
<<<HTML_SECTION
<p class="baby">
    <img src="" />
    <p class="another-shit">
        <h1>contont</h1>
        <p>ppppppp</p>
    </p>
    <a href="#">my link</a>
    <p class="lie"></p>
</p>
<p class="baby">
    <p class="another-shit">
        <h1>contont</h1>
        <p>ppppppp</p>
    </p>
    <a href="#">my link</a>
    <p class="lie"></p>
</p>
<p class="baby">
    <p class="another-shit">
        <h1>contont</h1>
        <p>ppppppp</p>
    </p>
    <a href="#">my link</a>
    <p class="lie"></p>
</p>
<p class="nonono"></p>
HTML_SECTION
, $result_tmp );

/* only the first element we need ... */
print_r( array_shift( $result_tmp ) );

这种方法仅限使用在良好格式化的 html 文档上 ... 由缩进来判断标签的对应关系 ...

如果是一个比较混乱的 html 文档 ... 那么正则对于提取 DOM 这件事来说无能为力 ...

恩恩 ... 就是这样啦 ...

Answer 2

尝试一下phpQuery吧，https://code.google.com/p/phpquery/
介绍可以看看http://www.cnblogs.com/in-loading/archive/2012/04/11/2442697.html

Answer 3

$preg = '/\<p class\=\"baby\"\>(.*?)\<\/p\>/s';
preg_match_all($preg, $html, $match);

不知道这样可以么~