如何使正则表达式模式中的点匹配换行符？ [重复]

Question

当文本之间存在空格和回车符时，我在执行正则表达式时遇到困难。

例如下面这个例子，如何让正则表达式得到“

<div id="contentleft">

”？

<div id="content"> 


<div id="contentleft">  <SCRIPT language=JavaScript>

我试过了

id="content">(.*?)<SCRIPT

但是不起作用。

Answer 1

$s = '<div id="content">

<div id="contentleft">  <SCRIPT language=JavaScript>';

if( preg_match('/id="content">(.*?)<SCRIPT/s', $s, $matches) )
    print $matches[1]."\n";

默认情况下，点匹配除换行符之外的所有内容。

/s

使它匹配一切。

但实际上，请使用 DOM 解析器。 您可以遍历树，也可以使用 XPath 查询。 将其想象为 XML 的正则表达式。

$s = '<div id="content">

<div id="contentleft">  <SCRIPT language=JavaScript>';

// Load the HTML
$doc = new DOMDocument();
$doc->loadHTML($s);

// Use XPath to find the <div id="content"> tag's descendants.
$xpath = new DOMXPath($doc);
$entries = $xpath->query("//div[@id='content']/descendant::*");

foreach( $nodes as $node ) {
    // Stop when we see <script ...>
    if( $node->nodeName == "script" )
        break;

    // do what you want with the content
}

XPath 非常强大。 这里有一些例子。

PS 我确信（我希望）上面的代码可以收紧一些。

Answer 2

查看 PCRE 修饰符：https://www.php.net/manual/en/reference.pcre.pattern.modifiers.php

您可以应用 s 修饰符，例如

'/id="content">(.*?)<SCRIPT/s'

（不过，请注意，因为它也会改变

^

和

$

的工作方式。

否则，你可以这样做

'/id="content">((.|\n)*?)<SCRIPT/'

编辑：哎呀，修饰符错误...

Answer 3

尝试

id="content">((?:.|\n)*?)<SCRIPT

不要使用正则表达式解析 HTML 的常见警告适用，但您似乎已经知道了。

或者：

(?<=id="content">)(?:.|\n)*?(?=<SCRIPT)

默认情况下，点不匹配换行符。解决这个问题的一种方法是明确允许它们。即使您碰巧使用的正则表达式风格不支持“dotall”修饰符，这也会起作用。

第一个正则表达式与您的方法相同，通过允许

\n

进行扩展。您的比赛将属于第 1 组，您只需修剪它即可。

第二个正则表达式使用零宽度断言（向前看/向后看）来标记匹配的开始和结束。比赛不会包含任何您不想要的内容，无需分组。

Answer 4

另一种没有正则表达式的解决方案：

$start = 'id="content">';
$end = '<SCRIPT';
if (($startPos = strpos($str, $start)) !== false &&
    ($endPos = strpos($str, $end, $startPos+1)) !== false) {
    $substr = substr($str, $startPos, $endPost-$startPos);
}

Answer 5

嗯，这是一个多行问题，所以看看模式修饰符：

m (PCRE_MULTILINE) 默认情况下，PCRE 将主题字符串视为 由一条“线”组成 字符（即使实际上 包含几个换行符）。开始 of line" 元字符 (^) 匹配 仅在字符串的开头，而 “行尾”元字符 ($) 仅在字符串末尾匹配， 或在终止换行符之前 （除非设置了 D 修饰符）。这是 与 Perl 相同。

设置此修饰符后，“开始 of line” 和 “end of line” 结构 紧接着或之后匹配 紧接在任何换行符之前 主题字符串也分别 就像一开始和结束时一样。这是 相当于 Perl 的 /m 修饰符。如果 没有“ ” 中的字符 主题字符串，或没有出现 ^ 或模式中的$，设置此 修改器没有效果。

s (PCRE_DOTALL) 如果此修饰符是 集，一个点元字符 模式匹配所有字符， 包括换行符。没有它， 换行符被排除。这个修饰符 相当于 Perl 的 /s 修饰符。 A 负类如 [^a] 总是 匹配换行符， 与此设置无关 修饰符。

来自 http://www.php.net/manual/en/reference.pcre.pattern.modifiers.php

Answer 6

$dom = new DOMDocument();
$dom->strictErrorChecking = false;
$dom->loadHTML($html_str);

$xpath = new DOMXPath($dom);
$div = $xpath->query('div[@id="content"]')->item(0);

请更正我的 xpath 表达式 - 不确定它是否有效...