使用 preg_match_all PHP 限制结果数答案

【问题标题】：Limit the number of results using preg_match_all PHP使用 preg_match_all PHP 限制结果数
【发布时间】：2011-05-27 01:43:22
【问题描述】：

有没有办法限制使用preg_match_all 返回的匹配数？

例如，我只想匹配网页上的前 20 个 <p> 标签，但有 100 个 <p> 标签。

干杯

【问题讨论】：

标签： php regex preg-match-all

【解决方案1】：

这是真正的答案；最节省内存的方式。
改为通过preg_replace_callback() 使用引用分配。

<?php

$matches = [];

preg_replace_callback(
    '~<p(?:\s.*?)?>(?:.*?)</p>~s',
    function (array $match) use (&$matches) {
        $matches[] = $match[0];
    },
    $html,
    20,
    $_
);

var_dump($matches);

【讨论】：

当 p 标签有属性或者它们的 innerhtml 跨越超过一行时不起作用。兔子洞开始了。请在解析 html 时建议不要使用正则表达式。
另外，据我统计，preg_replace_callback() 最多有 5 个参数。 ($pattern, $callback, $subject, $limit, and $count) PREG_SET_ORDER 不是必需的，也不会被兑现。我也不认为声明 count 变量对这种情况有价值。 php.net/manual/en/function.preg-replace-callback.php
@mickmackusa 我的 sn-p 不适合这个问题，抱歉。那是为了我的工作。
@mickmackusa 这是文档错误。 php-src 说它有 6 个参数。 github.com/php/php-src/blob/…
酷。谢谢你让我知道。尽管如此，最后两个参数并不是真正需要的。

【解决方案2】：

为了延续@Gumbo 的建议，使用DOM 解析器而不是正则表达式，下面的sn-p 将使用带有position() 条件的XPath 查询来限制目标标签。

代码：(Demo targeting 4 of 5 p tags)

$html = <<<HTML
<div>
    <p class="classy">1
</p>
    <p>2</p>
    <p data-p="<p>notatag</p>">3</p>
    <span data-monkeywrench='<p'>z</span>
    <p
 data-p="<p>notatag</p>">4</p>
    <p>5</p>
</div>
HTML;

$dom = new DOMDocument();
$dom->loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
$xpath = new DOMXPath($dom);
foreach ($xpath->query('//p[position() <= 4]') as $p) {
    echo var_export($p->nodeValue, true) , "\n---\n";
}

输出：

'1
'
---
'2'
---
'3'
---
'4'
---

【讨论】：

【解决方案3】：

你可以使用T-Regx库：

pattern('<p>')->match($yourHtml)->only(20);

【讨论】：

【解决方案4】：

我不这么认为，但preg_match 确实有一个offset 参数，还有一个PREG_OFFSET_CAPTURE 标志，当它们组合时，可用于获得“下一场比赛”。

如果您不想获得所有结果然后array_slice() 部分关闭，这主要是有用的：o)

编辑：好的，这是一些代码（未经测试或以任何方式使用）：

$offset = 0;
$matches = array();
for ($i = 0; $i < 20; $i++) {
    $results = preg_match('/<p(?:.*?)>/', $string, PREG_OFFSET_CAPTURE, $offset);
    if (empty($results)) {
        break;
    } else {
        $matches[] = $results[0][0];
        $offset += $results[0][1];
    }
}

【讨论】：

【解决方案5】：

您可以使用preg_match_all() 并丢弃您不感兴趣的匹配项，也可以使用带有preg_match() 的循环。如果您担心扫描大字符串的费用，第二个选项会更好。

此示例限制为 2 个匹配项，而整个字符串中实际上有 3 个：

<?php

$str = "ab1ab2ab3ab4c";

for ($offset = 0, $n = 0;
        $n < 2 && preg_match('/b([0-9])/', $str, $matches, PREG_OFFSET_CAPTURE, $offset);
        ++$n, $offset = $matches[0][1] + 1) {

        var_dump($matches);
}

实际上，while 循环可能比 for 循环反射更清晰；)

【讨论】：

【解决方案6】：

不，preg_match_all 结果集的计算不能被限制。之后您只能使用array_slice 或array_splice 限制结果（这需要PREG_SET_ORDER）：

preg_match_all($pattern, $subject, $matches, PREG_SET_ORDER);
$firstMatches = array_slice($matches, 0, 20);

但除此之外，你不应该使用正则表达式来解析 HTML。尽管现代正则表达式引擎不再是正则表达式，并且可以处理 HTML 等不规则语言，但它太容易出错。最好使用适当的 HTML 解析器，而不是像 PHP’s DOM library 那样的解析器。然后只需使用计数器最多只能获得 20 个匹配项：

$doc = new DOMDocument();
$doc->loadHTML($code);
$counter = 20;
$matches = array();
foreach ($doc->getElementsByTagName('p') as $elem) {
    if ($counter-- <= 0) {
        break;
    }
    $matches[] = $elem;
}

【讨论】：

干杯 Gumbo，这个 DOM 东西真的很有用。从来没有尝试过在 HTML 上使用它而不是 reg ex，所以试试吧！
@SiQ：请注意，DOMDocument 实现了 W3C 指定的 DOM，因此非常广泛；如果你只是需要阅读 DOM，你也可以试试SimpleXML。
您的 DOMDocument 解决方案也在事后限制了代码，不是吗？它没有设置限制，但会忽略它收集的额外标签。

【解决方案7】：

只匹配所有并切片结果数组：

$allMatches = array ();
$numMatches = preg_match_all($pattern, $subject, $allMatches, PREG_SET_ORDER);
$limit = 20;
$limitedResults = $allMatches;
if($numMatches > $limit)
{
   $limitedResults = array_slice($allMatches, 0, $limit);
}

// Use $limitedResults here

【讨论】：

【解决方案8】：

$matches = array();   
preg_match_all ( $pattern , $subject , $matches );
$twenty = array_slice($matches , 0, 20);

【讨论】：