正则表达式：在换行之前匹配所有 html 标签

Question

我正在把头发拉到这个上面。我想获取 标签中的所有内容，我的 html 结构如下所示：

<ul>
  <li><a href="#">One</a></li>
  <li><a href="#">Two</a></li>
  <li><a href="#">Three</a></li>
</ul>

还有我的正则表达式：

/<a ?.*>(.*?)<\/a>/

当cms没有输出带有换行符的

时，就会出现问题：

<ul>
  <li><a href="#">One</a></li><li><a href="#">Two</a></li>
  <li><a href="#">Three</a></li>
</ul>

这是匹配数组的一些示例输出：

Array
(
    [0] => Array
        (
            [0] => <a href="/schools/early-years-groups" class="active">Early Years Groups</a></li><li class="leaf first menu-mlid-20328 order_early_years_stuff"><a href="#" title="Order Schools Stuff">Order Early Years Stuff</a>
            [1] => <a href="/schools/early-years-groups/fundraise" title="Fundraise">Fundraise</a>
            [2] => <a href="/schools/early-years-groups/ey-showcase" title="Early Years Showcase">Early Years Showcase</a>
            [3] => <a href="/schools/how-to-pay-your-money-in" title="">How To Pay Your Money In</a>
            [4] => <a href="/schools/early-years-groups/learning-activities" title="Learning Activities">Learning Activities</a>
        )

    [1] => Array
        (
            [0] => Order Early Years Stuff
            [1] => Fundraise
            [2] => Early Years Showcase
            [3] => How To Pay Your Money In
            [4] => Learning Activities
        )

)

非常感谢您的帮助，这让我发疯了！

Answer 1

问题是你在寻找 > 时使用了贪婪搜索，而它应该是惰性的。这是一个例子：

<a .*?>(.*?)<\/a>
     ^

在此处查看实际操作：http://regexr.com?2v60h

Answer 2

您的正则表达式在开始标记上过于“贪婪”。这样的事情应该会更好：

<a\s?[^>]*>([^<]*)</a>

它与锚点相匹配，带有一个可选的空格，后跟除标签的关闭 > 之外的任何内容，所以当它碰到 > 时它肯定会停止。同样的技巧也适用于锚的内容，寻找除了结束锚标记的

Answer 3

你不应该使用正则表达式来解析 HTML...你会发现很多例子在这里解释了原因。

也许像 PHP Simple DOM Parser 这样的东西会为你解决问题。