使用正则表达式破坏给定的 HTML 代码答案

【问题标题】：Breaking a given HTML code using Reg Exp使用正则表达式破坏给定的 HTML 代码
【发布时间】：2012-01-17 16:27:59
【问题描述】：

谁能帮我解决一个快速的正则表达式问题？

我有以下 HTML：

555 Some Street Name<BR />
New Providence VA 22901-1311<BR />
United States<BR />

第一行总是街道

第二行是 City（可以有空格）空格 State Abbv。空格 Zip 连字符 4 位 zip

第三行是国家/地区。

我需要将 HTML 分解为一个变量。谁能提供一个快速的正则表达式？

编辑：也许我不清楚。我需要以下内容：街道地址、城市、州、邮编、4 位数邮编、国家/地区作为单个变量。

【问题讨论】：

是在不同的行吗？然后你可以去掉标签并拿走它。
在这种情况下，“Zip”和“4Digit Zip”是什么？一个例子会很好。（我来自德国，不习惯这种格式）。
要构造一个正则表达式，另请参阅open source regexbuddy 和online regex testing 以获得一些有用的工具，或regexp.info 以获得更好的教程。
本例中的 $zip 为 22901，4 位 zip 为 $fourZip = 1311
stackoverflow.com/a/1732454/665923

标签： php regex

【解决方案1】：

这甚至不需要正则表达式。您可以使用explode("<BR />",...) 拆分不同的行。第一行是街道，最后一行是国家。中间行可以使用substr()分割，因为你知道最后4个字符是4位数的ZIP，它们前面的6个字符是ZIP后跟一个连字符，它们前面的3个字符是状态后跟一个空格.所以段的字符数（从行尾算起）是恒定的。

【讨论】：

我喜欢这个。如果我必须在 100,000 行数据上运行相同的东西，那么 substr 还会比 preg_match 更好吗？
绝对是。我现在没有数字，但是 substr 应该比 preg_match 运行得快很多

【解决方案2】：

555 Some Street Name<BR />
New Providence VA 22901-1311<BR />
United States<BR />

好的，对于第一部分，让我们拆分行

$array = explode('<BR />', $address);

现在您还需要从第二行获取要解析的信息...

$array[1] = New Providence VA 22901-1311;

$tmp = explode(' ', $array[1]);

您现在需要的只是将所有内容设置为正确的变量名

$fullZip = array_pop($tmp);
$zipArray = explode('-',$fullZip);
$zip = $zipArray[0];
$Digitzip = $zipArray[1];
$state = array_pop($tmp);
$providence = implode($tmp);
$country = $array[2];
$street = $array[0];

【讨论】：

【解决方案3】：

$array = explode('<BR />', $address);

这是最简单的方法，只需用<br />-tags 分割字符串。如果您可以避免使用正则表达式，那么您应该这样做，因为它们的性能不如explode 之类的简单字符串操作。

【讨论】：

也许我不清楚。我需要以下信息：街道地址、城市、州、邮编、4 位数邮编、国家/地区作为单个变量。
您只需要使用 $array[1]，因为 [0] 和 [2] 已经包含您想要的内容。您可以将strpos 与substr 结合使用，并用“VA”字符串分割这部分。

【解决方案4】：

不需要正则表达式。

$htmlStr = '555 Some Street Name<BR />New Providence VA 22901-1311<BR />United States<BR />';

Live example

但请注意，对于更复杂的 HTML 解析，regexes are not the tool for the job。

【讨论】：

错误的编程语言！ ;-)
@Armin 哎呀，我现在感觉很傻，我已经习惯回答 JS 问题了哈哈。编辑答案。