限制段落的正则表达式

Question

这个问题被问了很多次，但我发现的 sn-ps 效果不好。我对正则表达式的经验较少，因此希望您能帮助我。

我想按限制获取段落。 我知道我可以通过 preg_match_all 来限制我的结果。

我有两个挣扎：

• 段落由 html 编辑器“创建”，因此有时会附加属性
• 如果可能的话，我也想要<p>，但只得到文本也很好

例如：

<p>Paragraph 1</p>
<p attribute="value">Paragraph 2</p>

当我限制一个时，我只想要第一段，但限制 2 也应该返回第 2 段，即使它包含属性。

我尝试了什么：

function GetParagraph($content, $limitParagraph = 1)
{
    preg_match_all('~(<p>(.+?)</p>){' . (int)$limitParagraph. '}~i', $sHTML, $aMatches);
    return $aMatches[0];
}

'~(<p(.*?)>(.+?)</p>){' . (int)$limitParagraph. '}~i' 的正则表达式也不能正常工作

Answer 1

您不需要也不应该将正则表达式用于此类任务。这称为 HTML 解析，应该使用正确的工具、解析器来完成。在 PHP 中，DOMDocument 和 DOMXPath 将是您的选择：

$dom = new DOMDocument();
libxml_use_internal_errors(true);
$dom->loadHTML($html);
libxml_use_internal_errors(false);
$paragraphs = $dom->getElementsByTagName('p');
foreach ($paragraphs as $i => $p) {
    // Two paragraphs only
    if ($i >= 2) break;
    echo $dom->saveHTML($p);
}

为什么你的 RegEx 不起作用？

因为四个原因：

1. 每个</p> 后不包含换行符
2. 包含 html 内容的变量是错误的。 （$sHTML 而不是$content）
3. 没有锚定，只从输入字符串的开头开始遍历。
4. <p> 与 <p attribute="value"> 或其他东西不匹配。

同样，不建议这样做，但要专门回答这个问题，下面的正则表达式应该可以解决这些问题：

'~^.*?(?:<p[^>]*>.+?</p>\s*){' . $limitParagraph . '}~i'