PHP Preg_Replace 标签之间的数据，尊重文档中的其他标签

Question

对此可能有一个非常简单的答案，但我想尽可能详细，这样你就不需要我澄清了。

我正在尝试收集每个的内容

<content><div>CONTENT</div></content>

内容需要作为反向引用返回 ($1)。 content 和 div 都有不同的参数（例如style="color: white;"）。这些参数并不重要，但仍然存在。

复杂之处在于 div 可能包含子 div。这些并不重要，但与我当前的正则表达式冲突 - 尽早停止匹配。

这是一个代码示例，想象一下这个复制/粘贴了几次并且格式不同。

<entry> 
<title>A general title of a post</title> 
<content type="xhtml"> 
    <div xmlns="http://www.w3.org/1999/xhtml"> 
    This is a description of the title. It may <b>contain bold text</b> or <div>even divs</div>, and everything else. It is not quite important to save these tags, but they exist nonetheless.
    </div> 
</content> 
</entry>

目前，我正在使用两个正则表达式代码。一个用于声明，一个用于结束标记。这可行，但现在我需要对内容执行代码。所以，我会用preg_replace_callback()，但是我不知道怎么把两者联系起来，这样中间就是回调了。

声明：

<content \w+\s*=\s*\".*?\">[\r\n\s]{0,}<div \w+\s*=\s*\".*?\">

结束：

</div>[\r\n\s]{0,}</content>

我需要将这些结合起来，并将内容作为回调返回。我尝试过类似([\w\W]{0,}) 的方法，它绝对会返回所有内容，但这场比赛不会在结束 div 处停止。

所以我发现了\bFULLWORD\b 命令，并把\bdiv\b 扔在上面......但我没有成功让它工作。也许它不受 PHP 支持？或者我很笨。

我不知道。

请帮忙！

Answer 1

以前说过，现在也说过，不幸的是，它又要被重复了。正则表达式是一个很棒的工具。它非常适合处理字符串和正则表达式的模式匹配。

HTML 不是字符串。 HTML 是一种标记语言，而不是常规语言。它实际上不是一个字符串，但可以解释为一个字符串（因此，我们可以在技术上使用正则表达式来操作 HTML）。 HTML 是基于元素节点的自己的语言，如果要更改某些内容，则需要操作这些元素。

正如 cmets 中所指出的，您可以在 PHP 中轻松使用 DOM class。

您想要这样做有很多原因：

• 更简单，您无需制作一些看起来像猫在键盘上走过的疯狂图案
• （再次）更简单，您可以导航到特定节点，而不是处理整个文档。
• 这样更安全，不会意外更改不想更改的内容
• 它更安全（再次），源数据可以更改，您可以检测到它并加以说明。
• 更安全（再次），您可以优雅地失败。

怎么做？

• how to use dom php parser
• http://php4every1.com/tutorials/php-domdocument-tutorial/
• 查看上面链接的手册。
• 只需谷歌即可。您已经学习了正则表达式，这要简单得多。

Answer 2

使用 DOM 解析器。这是一个例子：http://htmlparsing.com/php.html