需要帮助来解析 html 代码

Question

我正在解析 html 代码并卡住了。我希望有人帮助我。详细代码请点击此链接：http://regexr.com?369sg

我想得到任何匹配：

<td class="weekday reservation alternate fixwidth calday fixwidth " > ? </td><!--1-->
<td class="weekend reservation alternate fixwidth calday fixwidth " > ? </td><!--2-->
<td class="weekday calday fixwidth">&nbsp;</td><!--3-->
<td class="weekend calday fixwidth">&nbsp;</td><!--4-->

如果我使用这种模式：

/<td class="(weekday|weekend) reservation (primary|alternate) fixwidth calday fixwidth " >(.*?)<\/td>/

我只有 1 号和 2 号， 如果我使用这种模式：

/<td class="(weekday|weekend) calday fixwidth">(.*?)<\/td>/

我只得到了 3,4 号。

如何使用一种模式匹配上述所有数字（1,2,3,4）？ 反正我用的是 preg_match_all 函数。

请帮助我，谢谢。

Answer 1

除了你最好使用 html 解析器，这里有一个正则表达式可以完成这项工作：

/<td class="(weekday|weekend) (?:reservation (primary|alternate) fixwidth )?calday fixwidth " >(.*?)<\/td>/

Answer 2

我相信 Stack Overflow 要求我说一些关于使用正则表达式抓取 HTML 的坏话：

• 不要将正则表达式用作独立的解析器。
• 请使用正则表达式，如果您只是想在某些文本中查找一些字符串，并且语言的特性并不重要。

所以这是一个新的正则表达式：

<td.+?class="(?:weekday|weekend)(?:\s+reservation\s+(?:primary|alternate)\s+fixwidth\s+|\s+)calday fixwidth.*?"[^>]*>(.+?)</td>

REY

• <td.+?class=：这将允许您在<td 和class 之间拥有任何东西。所以如果你有其他属性你会很酷。请注意像+? 这样的惰性量词会降低性能。所以不要这样做一百万次。
• (?:weekday|weekend): 和你之前的差不多，除了它是一个非捕获组。我使用非捕获组，以便$matches[1] 拥有您要查找的代码。
• (?:\s+reservation\s+(?:primary|alternate)\s+fixwidth\s+|\s+)：这将匹配前两个示例中的字符串，或者仅匹配后两个示例中的空格。我考虑过只做.+?，如果这些类不重要，那就做吧。
• calday fixwidth.*?"：这允许任何其他类。
• "[^>]*>：这允许更多属性，但它比.*? 性能更好。
• (.+?)</td>：模式结束。

请注意，如果您有嵌套匹配，这将失败，您将需要使用解析器：

<td class="weekday calday fixwidth">
   <table><tr>
      <td class="weekday calday fixwidth">&nbsp;</td>
   </tr></table>
</td>

结果将有一个匹配项：

    <td class="weekday calday fixwidth">
   <table><tr>
      <td class="weekday calday fixwidth">&nbsp;</td>

第 1 组将是：

  <table><tr>
      <td class="weekday calday fixwidth">&nbsp;

替代方案

我会尝试更灵活的替代方案，而不是这种特定的模式：

<td.+?class="(?:[^"]*(?:weekday|weekend|primary|alternate|calday|fixwidth)){3,}[^"]*"[^>]*>(.+?)</td>

REY

这使用前瞻来尝试将具有class 属性的td 与交替中的至少三个实例进行匹配。