正則表達式可選組

我想要捕獲最多四組<p>和</p>之間的文本。我能做到這一點使用下面的正則表達式： <h5>Trivia<\/h5><p>(.*)<\/p><p>(.*)<\/p><p>(.*)<\/p><p>(.*)<\/p>正則表達式可選組

的文本匹配：

<h5>Trivia</h5><p>Was discovered by a freelance photographer while sunbathing on Bournemouth Beach in August 2003.</p><p>Supports Southampton FC.</p><p>She has 11 GCSEs and 2 'A' Levels.</p><p>Listens to soul, R&B, <a href="/name/nm0005567/">Stevie Wonder</a>, <a href="/name/nm0291349/">Aretha Franklin</a>, <a href="/name/nm0713378/">Usher Raymond</a>, <a href="/name/nm0001391/">Michael Jackson</a> and <a href="/name/nm0584117/">George Michael</a>.</p>

它輸出的文本四行。如果還有更多的瑣事項目或<p>事件，它也可以按預期工作。

但是如果有少於4個瑣事項或<p>組，它將不輸出任何內容，因爲它找不到第四組。我如何使該組成爲可選項？

我試過：<h5>Trivia<\/h5><p>(.*?)<\/p>(?:<p>(.*?)<\/p>)?(?:<p>(.*?)<\/p>)?(?:<p>(.*?)<\/p>)?(?:<p>(.*?)<\/p>)?和那根據http://gskinner.com/RegExr/工作，但它不工作，如果我把它放進PHP代碼。它只檢測一個組並將所有內容放入其中。

來源

2013-04-30 zataived

您使用哪個分隔符？因爲你沒有在最後一個正則表達式中轉義'/'es。沒有明顯的原因，爲什麼選擇性方法不適用。 - 另外，儘管我並沒有試圖譏諷陳舊的模因，但在HTML/DOM遍歷方面，這可能比正則表達式更簡單（儘管對於這種情況足夠了，並且您的輸入是中等連貫的）。但爲簡單起見，請參閱phpQuery或QueryPath，如果空閒時間過長，請參閱原始DOM方法。 – mario 2013-04-30 22:57:58

我錯誤地排除了最後一個正則表達式中的/（對實際嘗試的正則表達式進行採樣）。爲了清晰起見編輯了這些內容。感謝您的建議。 – zataived 2013-05-01 00:36:36

魔術詞是'轉義'或'分隔符'，請繼續閱讀。

第一個正則表達式：
<h5>Trivia<\/h5><p>(.*)<\/p><p>(.*)<\/p><p>(.*)<\/p><p>(.*)<\/p>
工作，因爲你逃過標籤/字符，例如</h5>到<\/h5>。

但在你的第二個正則表達式（正確地封閉在可選的非捕獲組的每個段落，取1至5段）：
<h5>Trivia</h5><p>(.*?)</p>(?:<p>(.*?)</p>)?(?:<p>(.*?)</p>)?(?:<p>(.*?)</p>)?(?:<p>(.*?)</p>)?
你忘了逃生者/字符。
那麼它應該是：
$pattern = '/<h5>Trivia<\/h5><p>(.*?)<\/p>(?:<p>(.*?)<\/p>)?(?:<p>(.*?)<\/p>)?(?:<p>(.*?)<\/p>)?(?:<p>(.*?)<\/p>)?/';

以上是假設你把（出傳統習慣）兩大/「分隔符」字符之間的正則表達式。

要深入一點兔子洞，應該注意，在php中，正則表達式的第一個和最後一個字符通常是「delimiter」，所以可以在末尾添加修飾符（如不區分大小寫等等）。

因此，您也可以使用~字符（或#等）作爲分隔符而不是轉義您的正則表達式。
因此，你也可以使用相同相同的（第二），您發佈的正則表達式和封裝例如像這樣：
$pattern = '~<h5>Trivia</h5><p>(.*?)</p>(?:<p>(.*?)</p>)?(?:<p>(.*?)</p>)?(?:<p>(.*?)</p>)?(?:<p>(.*?)</p>)?~';

這裏是工作的是（基於Web）example，使用#作爲分隔符（只因爲我們可以）。

來源

2013-05-01 00:06:32 GitaarLAB

你最後一個小提琴把＃作爲分隔符與$ pattern組合而不是//（我最初在我的preg_match中使用過）組合使用了這個技巧。感謝您的額外信息和答案！其他組合或者報告了一個未定義的偏移量，或者連接[0]中的所有組。 – zataived 2013-05-01 00:30:19

可以使用問號，使每個<p>...</p>可選：

$pattern = '~<h5>Trivia</h5>(?:<p>(.*?)</p>)?(?:<p>(.*?)</p>)?(?:<p>(.*?)</p>)?(?:<p>(.*?)</p>)?~';

使用DOM過一個不錯的選擇。

來源

2013-04-30 22:56:58

你說：'*您可以使用問號使每個

...

可選*'。提問者已經在他的第二個正則表達式中做了這些（正確地將段落包含在一個可選的非捕獲組中）（區別在於：他的正則表達式搜索非可選的第一段，然後是4個可選段落）。所以，雖然你的代碼工作，但它不解釋*爲什麼*。然而，+1暗示更好的解決方案，而不是regexing標籤湯。 – GitaarLAB 2013-05-01 00:22:41

正則表達式可選組

回答

相關問題