多表格的PHP正則表達式

-2

我需要幫助構建正則表達式來分離文本。現在我有一個像多表格的PHP正則表達式

text text text 
text text text 
<div> text text text </div> 
<table class="table1"> 
<tr> 
<td> 
</td> 
</tr> 
</table> 
text text text 
text text text 
text text text 
<table class="table2"> 
<tr> 
<td> 
</td> 
</tr> 
</table> 
text text text 
text text text 
text text text

我需要創建一個正則表達式，將文本和表格分開一些文字。現在我正則表達式

preg_match_all("/(.*)(<table(?s).*?\/table>)(.*)/si", $value[ 'TEXT' ], $matches);

而且這種表達正常工作像

text text text 
text text text 
<div> text text text </div> 
<table class="table1"> 
<tr> 
<td> 
</td> 
</tr> 
</table>

文本它分開到

text text text 
text text text 
<div> text text text </div>

和

<table class="table1"> 
    <tr> 
    <td> 
    </td> 
    </tr> 
    </table>

但對於t ext

text text text 
text text text 
<div> text text text </div> 
<table class="table1"> 
<tr> 
<td> 
</td> 
</tr> 
</table> 
text text text 
text text text 
text text text 
<table class="table2"> 
<tr> 
<td> 
</td> 
</tr> 
</table> 
text text text 
text text text 
text text text

我的正則表達式不起作用。它的返回數組與

[0] =>"text text text 
    text text text 
    <div> text text text </div> 
    <table class="table1"> 
    <tr> 
    <td> 
    </td> 
    </tr> 
    </table> 
    text text text 
    text text text 
    text text text", 
[1]=>"<table class="table2"> 
    <tr> 
    <td> 
    </td> 
    </tr> 
    </table>", 
[2]=>"text text text 
    text text text 
    text text text"

如何構建正確的正則表達式？

來源

2012-09-10 Arthur Khusnutdinov

的[強制性告誡]（http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained標籤都有效/ 1732454＃1732454）。 –

它應該是地方解決此問題：

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

$tables = $doc->getElementsByTagName('table'); 
foreach($tables as $table){ 
    $parent = $table->parentNode; 
    $parent->removeChild($table); 
} 

$doc->normalizeDocument(); 

$text = array(); 
$xpath = new DOMXPath($doc); 
$textnodes = $xpath->evaluate('//text()'); 
foreach($textnodes as $textnode){ 
    $text[] = $textnode->wholeText; 
} 
print_r($text)

此代碼加載HTML，找到並刪除表，發現所有的textnodes和填充其內容的數組。您應該閱讀更多關於PHP DOM的信息，以便根據您的需求進行微調。

來源

2012-09-10 08:40:35 Ties

好的。它刪除表格。但我需要原始序列中的文本片段來將每個片段包裝在div中。即'

piece1

***

piece2

***

piece3

' –

第二個變體返回的所有文本，包括表格單元格中的文本...... –

更新的代碼，如果仍然不工作，你應該谷歌'xpath'和'php dom'教程。他們應該幫助你。在那之後不起作用，請提出一個關於你是新代碼的問題。 – Ties

擺脫(.*)在你的正則表達式的開始和結束。唯一需要像這樣「填充」正則表達式的時候是當你使用類似Java的matches()方法時，自動錨定兩端的匹配。

這裏發生的一件事情是，第一個(.*)最初吞噬了整個文檔，然後退回足夠遠，讓下一部分（<table等）匹配一個表格元素。然後第二個(.*)消耗剩下的東西。這解釋了爲什麼preg_match_all()只能捕獲一個表格元素，爲什麼它總是最後一個。你也可以擺脫(?s)。它並沒有真正傷害任何東西，但它所做的只是打開single-line模式，並且您已在最後使用s修改器完成此操作。您可能打算匹配一個空白字符（這將是\s），但這會阻止它匹配<table>（即沒有屬性的表標記）。您應該使用\b（字的邊界），而不是：

preg_match_all('~<table\b.*?/table>~si', $value[ 'TEXT' ], $matches);

但要知道，這種做法只會工作，在極其簡單的HTML。即使在完全有效的HTML中，也有很多很多東西可以擊敗它（嵌套的表格標籤是最明顯的例子）。

來源

2012-09-10 09:45:13

最好的解決方法是這樣的碼：

$test = preg_replace("/<table(?s).*?\/table>/si", '<BREAKHERE>', $value[ 'TEXT' ]); 

      $texts = explode('<BREAKHERE>', $test); 

      foreach ($texts as $keyTEXT => $valueTEXT) 
      { 
       $TmpVal = str_replace("\r", "", $valueTEXT); 
       $TmpVal = str_replace("\n", "", $TmpVal); 
       $TmpVal = str_replace("\r\n", "", $TmpVal); 
       if (trim($TmpVal) != '') 
       { 
        preg_match_all("/\w/", $TmpVal, $mtchs); 

        if (count($mtchs[ 0 ]) > 0) 
        { 
         $value[ 'TEXT' ] = str_replace($valueTEXT, ' <div class="panel-container">' . $valueTEXT . '</div>', $value[ 'TEXT' ]); 
        } 
       } 
      }

來源

2012-09-10 12:14:57

多表格的PHP正則表達式

回答

相關問題