需要一个用于正则表达式的字符串来将记录拆分为数组 [关闭]

Question

$source="<p><b>Lal, Vaninm</b></p>
<p><b>Vice President &amp;</b></p>
<p><b>General Manager</b></p>
<p>Company 1 Inc.</p>
<p>PO Box 123456</p>
<p>salt Lake1, 00111-3333</p>
<p>111-111-111 / F: 111-111-111</p>
<p>info1@site1.com</p>
<p><b>Andrus, Reed </b></p>
<p><b>Manager</b></p>
<p>Company 2 Inc.</p>
<p>Monada, Suite 222</p>
<p>J , Lousiana 2222</p>
<p>222-222-222 / F: 222-222-222</p>
<p>info2@site2.com</p>
<p><b>Sharma, John L.</b></p>
<p><b>Senior Property Manager</b></p>
<p>Company 3  Ltd.</p>
<p>PO Box 3333</p>
<p>Grand Cinema, Layman Islands</p>
<p>FGB 333</p>
<p>333-333-333</p>
<p>info3@site3.com</p>
<p><b>Lucky, Philip S</b></p>
<p>Life Member</p>
<p>Company 4 Inc.</p>
<p>Battelsville, Oklahoma 74000</p>
<p>444-444-444</p>
<p><b>Berry, Richard B, RPA, CPM</b></p>";
$records = preg_split ("@\<p\>\<b\>(.*?)(\<p\>(.*)\</p\>\<p\>\<b\>)@s", $source); 
var_dump($records);

数组必须包含四个记录。 标签内包含的数据是没有意义的。 我是正则表达式的新手。我试过如上。请为此建议正则表达式。提前致谢。

我认为<p><b> ....<p>...</p><p><b> 标识了一条记录。但我无法做出所需的表达。

Answer 1

关于使用正则表达式解析 html 的所有免责声明，以下正则表达式将正确拆分您的输入。

版本 1：只有换行符的文件（unix、osx）

(?=(?<=^|((?<!</b>)</p>\n))<p><b>)

版本 2：带有回车和换行符的文件（windows）

(?=(?<=^|((?<!</b>)</p>\r\n))<p><b>)

因此，如果你使用第一个，你可以这样写：

$records = preg_split('~(?=(?<=^|((?<!</b>)</p>\n))<p><b>)~', $str);

请注意，由于最后一行，实际上有五条记录：

<p><b>Berry, Richard B, RPA, CPM</b></p>";

它是如何工作的？

具有前瞻和后瞻功能。这是一个“零宽度”匹配，只查找某个位置。

• (?= 前瞻断言<p><b> 后面的当前位置...
• 只要<p><b> 前面有（向后看(?<=）字符串^ 或</p>\n 前面没有</b> 的开头（负向后看(?<!</b>)）

享受吧！