正则表达式查找以大写字母开头且没有“<”符号的字符串答案

【问题标题】：Regex to find the string that starts with capital letter and is without "<" sign正则表达式查找以大写字母开头且没有“<”符号的字符串
【发布时间】：2013-01-08 22:30:24
【问题描述】：

我正在尝试解析以下代码：

<td class='postac'>Actelsar </td>
<td class='postac'>tabl. 80 mg 28 tabl.</td>

输入应该是“<td class='postac'> </td>”标签之间的文本（不带“

正则表达式：/<td class=\'postac\'>^[A-Z]+([^<]*)$<\/td>/s

上面的代码不起作用。谢谢你的帮助。

【问题讨论】：

改用DOMDocument和DOMXPath
@Havelock：在这种特殊情况下，为什么更喜欢 XPath 而不是正则表达式？
尝试用正则表达式解析 HTML 是不好的。请参阅 Havelocks 评论 stackoverflow.com/questions/1732348/… 这不是关于“特定案例”，而是关于尝试它的整个想法。
@KingCrunch：这不是 HTML 解析，而是检查任意字符串是否匹配任意格式。使用正则表达式检查昵称是否符合某种模式并没有什么不同
在非常规语言（例如 HTML、XML、任何编程语言）上使用正则表达式对于一次性命令行 hack 来说是可以的。对于任何期望重复工作的东西，请使用适当的解析器。

标签： php regex html-parsing

【解决方案1】：

上面的代码不起作用

这不是因为出于某种原因，您在正则表达式的中间放置了 $ 和 ^ 符号（相应地表示字符串/行的结尾和开头）

这应该做你想做的：

/<td class=\'postac\'>([A-Z][^<]*)<\/td>/s

【讨论】：

关于微优化的老问题：[A-Z] 不是更高效，而是[A-Z]+？解析器可以在大写字母之后停下来寻找大写字母，然后继续处理其他字母。好吧，在写作时我意识到，最坏的情况是一个错误的测试......没什么说的:)

【解决方案2】：

使用 HTML 解析器来解析 HTML 而不是正则表达式。用DOMDocument和DOMXPath就可以轻松搞定。

$doc = new DOMDocument();
$doc->loadHTML($str);
$xpath = new DOMXPath($doc);
$nodes = $xpath->query('//td[@class="postac"]');
$result = array();
for($i=0;$i<$nodes->length; $i++){
    $text = $nodes->item($i)->textContent;
    if(isset($text[0])&&ctype_upper($text[0])) $result[]= $text;
}

请参阅code in action。

【讨论】：

这很好，直到他得到 <td class="postac"> 或 <td class= 'postac'> 或 <td class='postac' > 或 <td class='postac' id='foo'> 或 <td class='postac'> 后跟在名称开始前的换行符，或者....
是的，我知道。我实际上是在更改我的代码。见更新。它改变了。
您的代码比使用正则表达式的代码长 5 倍，甚至不检查问题中的要求（关于大写字母）
@zerkms 但它处理一切都非常好，并且需要很短的时间来编写它。
@kevin cline：答案被称为“正确”的标准是什么？

【解决方案3】：

/<td class=\'postac\'>([A-Z]+.*)<\/td>/ 将匹配 Actelsar，但不匹配表。 80 毫克片剂。

【讨论】：

可能值得注意：它还将匹配来自<td class='postac'>Actelsar </td><td class='postac'>tabl. 80 mg 28 tabl.</td>的Actelsar </td><td class='postac'>tabl. 80 mg 28 tabl.
Righto，正在用输入中的多行在 Rubular 上进行测试。 <td class=\'postac\'>([A-Z]+[^>]*)<\/td> 是一种更好的解决方案，可以在一行中处理多个元素。