正则表达式 PHP 查找并匹配具有特定数据属性的 HTML 标记

Question

我正在尝试解析 CTP 文件（其中包含 HTML 和 PHP 标记的 CakePHP 模板）并希望将所有 HTML 标记与特定数据属性 (data-edit="true") 匹配。每个带有 data-edit="true" 的标签必须有一个 data-type="..." 和 data-name="..." 属性。我想在（命名的）组中捕获这些属性，所以我可以在我的代码中使用它们。 到目前为止，我有以下正则表达式：

\<(?<tagname>\w+).*?(?>data\-edit="true").*?\>(?<content>.*?)\<\/(?&tagname)\>

以下是它应该匹配的一些标签示例：

<h4 data-type="text" data-edit="true" data-name="SomeName">Some content, with or without newlines.</h4>

和

<span data-edit="true" data-type="wysiwyg" data-name="Beoordeling">Some text 
with <strong>tags</strong> and newlines in it that 
should not break the parser.</span>

从上面的示例中，我希望正则表达式返回数据类型和数据名称标签的内容，当然还有内容（标签之间）本身。

数据属性可以以任何顺序出现，并且标签中可能存在其他属性（例如类）。到目前为止，我已经设法仅获取具有 data-edit="true" 属性的标签的内容，但是当有换行符时，匹配会中断。我也无法捕获其他数据属性。

我想达到什么目标？我知道正则表达式不是解析 HTML 的首选方式，但由于这是一个包含各种其他标签的 CTP 文件，我不能使用 XML 解析器。

编辑：示例代码：https://regex101.com/r/nF6a96/2

Answer 1

XPath 是一个非常棒的多功能工具。您的逻辑无缝转移到 xpath 查询中，该查询在未来易于构建、读取和维护。

此外，XPath 优于正则表达式，因为无论属性的顺序如何，它都能成功匹配符合条件的元素。只需一个 preg_ 调用，Regex 就很难做到这一点。

以下内容将通过循环验证、提取和存储仅一个查询的结果。

代码：(Demo)

$dom=new DOMDocument; 
libxml_use_internal_errors(true);  // for malformed html warning suppression
$dom->loadHTML($text, LIBXML_NOENT);
//libxml_clear_errors();             // for  warning suppression
$xpath = new DOMXPath($dom);

foreach ($xpath->query("//*[@data-edit='true' and @data-type and @data-name]") as $node) {
    $results[] = [
                    'type' => $node->getAttribute('data-type'),
                    'name' => $node->getAttribute('data-name'),
                    'text' => $node->textContent
                 ];
}
var_export($results);

输出：

array (
  0 => 
  array (
    'type' => 'wysiwyg',
    'name' => 'Beoordeling',
    'text' => 'We beoordelen uw aanvraag en                                        berichten u over de acceptatie daarvan.',
  ),
  1 => 
  array (
    'type' => 'text',
    'name' => 'Bellen',
    'text' => 'We bellen u voor een afspraak.',
  ),
  2 => 
  array (
    'type' => 'text',
    'name' => 'Technisch specialist',
    'text' => 'Technisch specialist neemt bij u alles nog even door.',
  ),
)

Answer 2

您应该避免使用正则表达式解析 html，但由于这是在标签内查找属性的情况，而不是标签的某些嵌套场景，因此您可以在此处使用正则表达式进行快速验证。

您需要使用前瞻来确保标签确实包含您正在寻找的所有三种属性。你可以使用这个正则表达式，

<(\w+)(?=.*?data-edit="true")(?=.*?data-type="[^"]*")(?=.*?data-name="[^"]*")[^>]*?>.*?<\/\1>

说明：

• <(\w+) --> 匹配一个标签并捕获 group1 中的标签名以匹配结束标签的末尾
• (?=.*?data-edit="true") --> 前瞻并确保存在数据编辑属性
• (?=.*?data-type="[^"]*") --> 前瞻并确保存在数据类型属性
• (?=.*?data-name="[^"]*") --> 前瞻并确保存在 data-name 属性
• [^>]*?> --> 匹配输入和结束标签的其余部分
• .*? --> 匹配开始和结束标签内的任何文本
• <\/\1> --> 匹配结束标签

Demo