代码之家 › 专栏 › 技术社区 › HyderA

从表中的每个第一个td提取内容

preg-match-all regex php

HyderA · 技术社区 · 15 年前

我有一些像这样的HTML:

<tr class="row-even">
    <td align="center">abcde</td>
    <td align="center"><a href="deluserconfirm.html?user=abcde"><img src="../images/delete_x.gif" alt="Delete User" border="none" /></a></td>
</tr>
<tr class="row-odd">
    <td align="center">efgh</td>
    <td align="center"><a href="deluserconfirm.html?user=efgh"><img src="../images/delete_x.gif" alt="Delete User" border="none" /></a></td>
</tr>
<tr class="row-even">
    <td align="center">ijkl</td>
    <td align="center"><a href="deluserconfirm.html?user=ijkl"><img src="../images/delete_x.gif" alt="Delete User" border="none" /></a></td>
</tr>

我需要检索这些值, abcde , efgh 和 ijkl

这是我当前使用的regex:

preg_match_all('/(<tr class="row-even">|<tr class="row-odd">)<td align="center">(.*)<\/td><\/tr>/xs', $html, $matches);

是的,我对他们不是很在行。和我大多数的regex尝试一样,这不起作用。有人能告诉我为什么吗?

另外,我知道HTML/XML解析器,但要实现这一点,需要对代码进行重要的重新访问。那是以后的事了。我们现在需要继续使用regex。

编辑:为了澄清,我需要第一个 <td align="center"></td> 在任意一个之后标记 <tr class="row-even"> 或 <tr class="row-odd">

6 回复 | 直到 15 年前

jensgram 15 年前

~<tr class="row-(even|odd)">\s*<td align="center">(.*?)</td>~m

注意到 m 修饰语及其使用 \s* .

此外,您还可以通过 ?: . 即。, (?:even|odd) 因为你可能对 class 属性:

codaddict 15 年前

试试这个:

preg_match_all('/(?:<tr class="row-even">|<tr class="row-odd">).<td align="center">(.*?)<\/td>/s', $html, $matches);

变化:

你还没算上新线在标签之间
你不需要X修改器将丢弃regex中的空间。
通过使用使匹配不贪婪 .*? 代替 .* .

Working link

Gordon Haim Evgi 15 年前

实际上,您不需要对代码库进行太大的更改。获取文本节点总是与DOM和XPath相同。唯一能改变的是xpath,所以您可以将dom代码包装成一个函数来替换 preg_match_all . 那只是一个小小的改变,例如

include_once "dom.php";
$matches = dom_match_all('//tr/td[1]', $html);

其中dom.php只包含:

// dom.php
function dom_match_all($query, $html, array $matches = array()) {
    $dom = new DOMDocument;
    libxml_use_internal_errors(TRUE);
    $dom->loadHTML($html);
    libxml_clear_errors();
    $xPath = new DOMXPath($dom);
    foreach( $xPath->query($query) as $node ) {
        $matches[] = $node->nodeValue;
    }
    return $matches;
}

然后会回来

Array
(
    [0] => abcde
    [1] => efgh
    [2] => ijkl
)

但是如果你想要一个regex,使用regex。我只是在想办法。

mellowsoon 15 年前

这就是我想到的

<td align="center">([^<]+)</td>

我会解释的。这里的挑战之一是标签之间的内容可能是您要查找的文本,也可能是标签。在regex中,[^<]+表示匹配一个或多个字符不是角色。太好了,因为这意味着不匹配,并且只有在找到标签之前,组才会匹配。

W3Coder 15 年前

免责声明:使用regexps解析HTML是危险的。

要获取每个tr中第一个td的innerhtml,请使用以下regexp:

/<tr[^>]*>\s*<td[^>]>(.+?)<\/td>/si

Swiss 15 年前

这只是一个快速和肮脏的正则表达式,以满足您的需要。它可以很容易地被清理和优化,但这是一个开始。

<tr[^>]+>[^\n]*\n               #Match the opening <tr> tag
  \s*<td[^>]+>([^<]+)[^\n]+\n   #Group the wanted data
  [^\n]+\n                      #Match next line
</tr>                           #Match closing tag

以下是一种更为可靠的替代方法:

deluserconfirm.html\?user=([^"]+)