带有引号的属性值的正则表达式与封闭引号之间的引号相同答案

【问题标题】：Regex for attribute value having quotes in between same as the enclosing quotes带有引号的属性值的正则表达式与封闭引号之间的引号相同
【发布时间】：2022-01-18 11:35:12
【问题描述】：

字符串多次出现 alt attr 键值。在 alt attr 的值中是包含双引号 (") 的字符串。这个双引号使值在第一次出现双引号时终止，而不是取完整值。请帮助修改正则表达式以实现完整的 alt 值

$text = 'advcd<img loading="lazy" class="abcd pqr" alt="chi-phi-sinh-o-benh-v"ien-dai-hoc-y-duoc-co-so-2" attr="val"><img loading="lazy" class="abcd pqr" alt="abcd-sinh-o-benh-"ien-dai-hoc-y-duoc-co-so-3">sdfs';

preg_match_all('/(alt)=(["\'][^"\']*["\'])/i', $text, $matches);

if (count($matches) > 1) {
    print_r($matches);
}

电流输出：

Array
(
    [0] => Array
        (
            [0] => alt="chi-phi-sinh-o-benh-v\"
            [1] => alt="abcd-sinh-o-benh-\"
        )

    [1] => Array
        (
            [0] => alt
            [1] => alt
        )

    [2] => Array
        (
            [0] => "chi-phi-sinh-o-benh-v\"
            [1] => "abcd-sinh-o-benh-\"
        )

)

预期输出：

Array
(
    [0] => Array
        (
            [0] => alt="chi-phi-sinh-o-benh-v"ien-dai-hoc-y-duoc-co-so-2"
            [1] => alt="abcd-sinh-o-benh-"ien-dai-hoc-y-duoc-co-so-3"
        )

    [1] => Array
        (
            [0] => alt
            [1] => alt
        )

    [2] => Array
        (
            [0] => "chi-phi-sinh-o-benh-v"ien-dai-hoc-y-duoc-co-so-2"
            [1] => "abcd-sinh-o-benh-"ien-dai-hoc-y-duoc-co-so-3"
        )

)

【问题讨论】：

改用 XML 解析器。

标签： php regex

【解决方案1】：

您可以将属性值中的"转换为&quot;，然后使用dom解析器来获取alt值更容易：

$text = 'advcd<img loading="lazy" class="abcd pqr" alt="chi-phi-sinh-o-benh-v&quot;ien-dai-hoc-y-duoc-co-so-2" attr="val"><img loading="lazy" class="abcd pqr" alt="abcd-sinh-o-benh-&quot;ien-dai-hoc-y-duoc-co-so-3">sdfs';
$dom = new DOMDocument();
$dom->loadHTML($text, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
$xpath = new DOMXpath($dom);

foreach($xpath->evaluate("//img/@alt") as $i) {
    echo $i->nodeValue . PHP_EOL;   
}

输出

chi-phi-sinh-o-benh-v"ien-dai-hoc-y-duoc-co-so-2
abcd-sinh-o-benh-"ien-dai-hoc-y-duoc-co-so-3

对示例字符串使用正则表达式：

(alt)= 捕获 group 1，匹配 alt 后跟 =
( 捕获第 2 组
- ".*?" 从 " 匹配，然后是最少的字符，直到下一个 "
- (?= 积极前瞻
  - \s* 匹配可选的空白字符
  - (?:[^\s=]+="|>) 匹配除= 之外的任一非空白字符，直到匹配= 和" 或匹配>
- ) 关闭前瞻
)关闭第二组

Php demo | regex demo

$text = 'advcd<img loading="lazy" class="abcd pqr" alt="chi-phi-sinh-o-benh-v"ien-dai-hoc-y-duoc-co-so-2" attr="val"><img loading="lazy" class="abcd pqr" alt="abcd-sinh-o-benh-"ien-dai-hoc-y-duoc-co-so-3">sdfs';

preg_match_all('/(alt)=(".*?"(?=\s*(?:[^\s=]+="|>)))/i', $text, $matches);

if (count($matches) > 1) {
    print_r($matches);
}

输出

Array
(
    [0] => Array
        (
            [0] => alt="chi-phi-sinh-o-benh-v"ien-dai-hoc-y-duoc-co-so-2"
            [1] => alt="abcd-sinh-o-benh-"ien-dai-hoc-y-duoc-co-so-3"
        )

    [1] => Array
        (
            [0] => alt
            [1] => alt
        )

    [2] => Array
        (
            [0] => "chi-phi-sinh-o-benh-v"ien-dai-hoc-y-duoc-co-so-2"
            [1] => "abcd-sinh-o-benh-"ien-dai-hoc-y-duoc-co-so-3"
        )

)

【讨论】：

您的正则表达式解决方案对我有用，非常感谢您的时间和投入

【解决方案2】：

似乎结构错误，应该在" 之前添加\。但是下面的正则表达式会导致一个解决方案。

(alt)=((["\']).*?[^\\]\3)(?:\s|>)

\3：匹配到第三个匹配组。使用它是因为该值应以与开头相同的符号结尾（" 或 '）。

[^\\]\3：在结束引号之前，\ 转义了结束符。

(?:\s|>) 在" 或' 之后需要一个空格或“>”。

https://www.phpliveregex.com/p/DmU

【讨论】：