PHP RegEx 分组多个匹配项答案

【问题标题】：PHP RegEx Grouping Multiple MatchesPHP RegEx 分组多个匹配项
【发布时间】：2010-11-08 10:23:00
【问题描述】：

我只是在尝试制作我的第一个正则表达式。我希望能够匹配一个伪 HTML 元素并提取有用的信息，例如标签名称、属性等：

$string = '<testtag alpha="value" beta="xyz" gamma="abc"  >';

if (preg_match('/<(\w+?)(\s\w+?\s*=\s*".*?")+\s*>/', $string, $matches)) {
    print_r($matches);
}

除了，我得到：

Array ( [0] =>  [1] => testtag [2] => gamma="abc" )

有人知道我如何获得其他属性吗？我错过了什么？

【问题讨论】：

您的第一个正则表达式不应该用于匹配 HTML/XML，因为这是正则表达式真正不擅长的一件事。相信我，它们很糟糕，你应该从一开始就避免使用它们。
但你必须承认这是了解它们的局限性的好方法。 ;)
可能，是的。 ;-) 使用正则表达式很容易培养一种“随心所欲”的态度，让您认为所有以文本表示的内容都是文本。 XML 和 HTML 不是文本，它们是结构化数据，应该使用数据工具而不是文本工具进行处理。提出警告的最佳时间是有人刚开始使用正则表达式时。 :)
感谢所有试图回答我问题的人。看起来不可能按照我想要的方式去做。呸骗子！当你可以使用二十个甚至整个库时，为什么还要使用一行代码？放弃 PHP，.NET 万岁！

标签： php regex

【解决方案1】：

您的第二个捕获组一次匹配一个属性，每次都覆盖前一个。如果您使用的是 .NET 正则表达式，则可以使用 Captures 数组来检索各个捕获，但我不知道任何其他具有该功能的正则表达式风格。通常您必须执行一些操作，例如捕获一组中的所有属性，然后在捕获的文本上使用另一个正则表达式来分解各个属性。

这就是为什么人们倾向于要么喜欢正则表达式要么讨厌它们（或两者兼而有之）。你可以用它们做一些真正令人惊奇的事情，但你也经常遇到像这样的简单任务，即使不是不可能，也很难做到。

【讨论】：

【解决方案2】：

如前所述，不要使用 RegEx 来解析 HTML 文档。

试试这个 PHP 解析器：http://simplehtmldom.sourceforge.net/

【讨论】：

【解决方案3】：

试试这个正则表达式：

/<(\w+)((?:\s+\w+\s*=\s*(?:"[^"]*"|'[^']*'|[^'">\s]*))*)\s*>/

但是对于像 HTML 这样的上下文无关语言，你真的不应该使用正则表达式。请改用真正的解析器。

【讨论】：

想详细说明我的“真正的解析器”是什么意思？
@Tim Lytle：正则表达式不是解析器。它们最多是解析器的一部分。例如，真正的解析器是 XML DOM 解析器——它可以解析语言，而正则表达式只能找到模式。
@Tomalak 啊，不明白他的意思。现在很有意义。