正则表达式和 php 问题，需要非贪婪搜索！答案

【问题标题】：Regex and php question, need non-greedy search!正则表达式和 php 问题，需要非贪婪搜索！
【发布时间】：2011-03-21 19:54:59
【问题描述】：

我在尝试编写非贪婪的正则表达式语句时遇到问题。

这是我的字符串：

<strong>name</strong><strong>address</strong>mailto:blabla@email.com

这是我的正则表达式查询：

<strong>(.*?)</strong>.*?([A-Z0-9._%-]+@[A-Z0-9.-]+\.[A-Z]{2,4})

问题是我需要地址，而不是字符串中的名称。所以我需要正则表达式查询是非贪婪的，并采用最近的 而不是最远的。

在我的搜索字符串中也有多个 this 实例，所以它必须一次匹配多个实例，而不是在它前面添加一个 .*（贪婪）。

所以它必须匹配这个的所有实例，并提取地址，而不是名称：

   <strong>name</strong><strong>address1</strong>mailto:blabla@email.com
   <strong>name</strong><strong>address2</strong>mailto:blabla@email.com
   <strong>name</strong><strong>address3</strong>mailto:blabla@email.com
   <strong>name</strong><strong>address4</strong>mailto:blabla@email.com

提前致谢！

【问题讨论】：

HTML+RegEx=Sh*t-storm 正在酝酿中。准备“不要使用正则表达式”答案/cmets。 -- 另一方面，我不确定我是否 100% 理解这个问题。您也可以提供示例捕获吗？（也许在您的正则表达式末尾添加$ 是您正在寻找的？）
是的，我只是在寻找关于那个布拉德主题的好帖子，哈哈。雪人，建议你使用 phpquery code.google.com/p/phpquery，因为它可以像 jquery 一样遍历 DOM。
@Jason：PHP 已经有了DOMDocument。 ;-)
@Brad，“phpquery”库提供了许多普通 DOM 中缺少的选择器快捷方式。
我认为尝试的解决方案的问题在于它尝试“反向”应用非贪婪匹配，从而迫使/pair 匹配到最右边可以在邮件地址之前。但这不是非贪婪匹配的工作方式。对于快速而肮脏的解决方案，我只使用[^<]* 而不是.*? - 因为< 在HTML 中是非法的，除了开始一个标签，它将匹配地址字段的任何合法内容，但是防止它与标签匹配。

标签： php regex regex-greedy

【解决方案1】：

首先，正则表达式是匹配 HTML 的次优工具（这是一个很好的例子）。如果您知道如何使用解析器，您会更满意（也许一位 PHP 大师可以推荐一个）。

话虽如此，使用正则表达式的更好方法可能是明确匹配（并丢弃）第一个  标记：

<strong>.*?</strong><strong>(.*?)</strong>.*?([A-Z0-9._%-]+@[A-Z0-9.-]+\.[A-Z]{2,4})

这绝不是一个好的、可靠的、防弹的解决方案，但至少它适用于您的示例数据。

或者，如果您可以更具体地说明相关标签之间/之后允许的内容，如何：

<strong>([^<>]*)</strong>(?:mailto:)?([A-Z0-9._%-]+@[A-Z0-9.-]+\.[A-Z]{2,4})

【讨论】：

实际问题是电子邮件捕获之前的.*? 也捕获了实际需要的。（尽管我会为 OP 提及它，以便他们知道哪里出错了）。

【解决方案2】：

查看您的测试数据，我推断出以下规则：如果...

姓名和地址都包含在 STRONG 元素中，电子邮件紧随其后，并且
STRONG 元素的属性、名称和地址都没有尖括号，并且
电子邮件地址部分始终以 mailto: 开头，并且
两个 STRONG 元素中没有其他 HTML 元素，

那么这个经过测试的代码应该可以解决问题：

$re = '%
    # Capture name and address in <strong> element then email.
    <strong[^>]*>\s*([^<>]+)</strong\s*>\s*  # $1: Name.
    <strong[^>]*>\s*([^<>]+)</strong\s*>\s*  # $2: Address.
    (mailto:\S+)                             # $3: Email.
    %ix';
$count = preg_match_all($re, $text, $matches);
if ($count) {
    printf("%d matches found:\n", $count);
    print_r($matches);
    for ($i = 0; $i < $count; ++$i) {
        printf("Match %d: Name: \"%s\", Address: \"%s\", Email: \"%s\":\n",
            $i + 1, $matches[1][$i], $matches[2][$i], $matches[3][$i]);
    }
} else {
    printf("No matches found.\n");
}

【讨论】：

【解决方案3】：

不要使用正则表达式来解析 HTML。

见http://htmlparsing.com/php.html

【讨论】：