PHP正则表达式，不在另一个标签中的标签答案

【问题标题】：PHP regex, tag which is not in another tagPHP正则表达式，不在另一个标签中的标签
【发布时间】：2017-09-06 07:55:07
【问题描述】：

我需要一个与<cherry> 标记的内容相匹配的正则表达式，该标记不是另一个标记的一部分。不满意我不能使用 PHP DOM Parser，因为标签的内容有时包含非常特殊的字符。

这是传入输入的示例：

<cherry>test</cherry>
<banana>
    <cherry>test</cherry>
    some text
</banana>

这是我当前的正则表达式，但它也会匹配 <banana> 标签内的 <cherry> 标签

 (<cherry>)(.*?)(<\/cherry>)

如何排除其他标签中的出现？

我已经尝试了很多......

【问题讨论】：

你想得到最上面的cherry标签吗？使用 DOM，会更容易。
检查the famous regex answer
嗨，Wiktor，谢谢您的回复。我需要第一个标签的内容，它不是另一个标签（如标签的一部分）。我不能使用 dom 解析器，因为我在完整的字符串中有很多特殊字符。
为什么在使用 DOM 时会出现特殊字符问题，这些字符是什么？你能出示一份你的真实文件样本吗？
可能的内容如下所示： $A = \bigl\{ (x, y) \in \R \times \R \ | \x^2 + y^2 B = \bigl\{ (x, y) \in \R \times \R \ | \ (x-a)^2 + (y-b)^2 Für welche Werte von a und b sind die Mengen '''A''' und '''B''' [[Durchschnittsmenge|disjunkt]]？ '''Hinweis:''' Betrachten Sie das Problemgeometrisch.$

标签： php regex

【解决方案1】：

为什么不使用DOMDocument 类而不是正则表达式。只需加载您的 DOM，然后使用getElementsByTagName 来获取您的标签。通过这种方式，您可以排除任何其他您不想要的标签，而只获取您想要的标签。

示例

<?php
$xml = <<< XML
<?xml version="1.0" encoding="utf-8"?>
<books>
 <book>Patterns of Enterprise Application Architecture</book>
 <book>Design Patterns: Elements of Reusable Software Design</book>
 <book>Clean Code</book>
</books>
XML;

$dom = new DOMDocument;
$dom->loadXML($xml);
$books = $dom->getElementsByTagName('book');
foreach ($books as $book) {
    echo $book->nodeValue, PHP_EOL;
}
?>

阅读材料

DOMDocument

【讨论】：

【解决方案2】：

假设您只需要顶级数学标签的内容而没有其他任何东西，但到目前为止您还不能这样做，因为数学标签包含无效的 xml，因此任何 xml-parser 都放弃了......（如问题和cmets所述）

干净的方法可能是，使用一些容错的 xml 解析器（或容错模式）或在之前整理输入。但是，这些方法都可能“破坏”内容。

hacky 和可能肮脏的方法如下，这很可能有其他问题，尤其是如果剩余的 xml 也是无效的或者你的数学标签是嵌套的（这将导致 xml-parser 在步骤 2 中失败）：

通过preg_replace_callback 或其他东西将任何<math>.*</math>（不贪心）替换为占位符（最好是独特的uniqid 可能会有所帮助，但一个简单的计数器可能就足够了）
使用通用 xml 解析器解析文档（根据需要将其包装在一些根标签中）
获取根节点的所有子节点/所有根节点，查看步骤1中生成了哪些。

例如：

<math>some invalid xml</math>
<sometag>
    <math>more invalid xml</math>
    some text
</sometag>

替换为

$replacements = [];
$newcontent = preg_replace_callback(
       '/'.preg_quote('<math>','/').'(.*)'.preg_quote('</math>','/').'/siU',  
       function($hit) use ($replacements) { 
           $id = uniqid();
           $replacements[$id] = $hit[1];
           return '<math id="'.$id.'" />';
       },
       $originalcontent);

这会将您的内容变成：

<math id="1stuniqid" />
<sometag>
    <math id="2nduniqid" />
    some text
</sometag>

现在使用您选择的 xml 解析器并选择所有根级别/基础级别元素并查找 /math/@id（我的 XPath 可能只是错误，根据需要进行调整）。结果应包含所有 uniqid，您可以在替换数组中查找它们

编辑：修复了一些preg_quote 问题并使用了更多标准分隔符。

【讨论】：