正则去除一些DIV内的内容。

Question

我想正则去除一些DIV的内容。div  id 或者class 带comment或者share的（comment和share是一个模糊匹配。），比如<div id="comment">， <div class="header-comment">， <div id="comment-footer">等等。下面这段测试代码，保留Main content.去除后面的评论部分。$htmls = <<<EOT
<div id="content">
     Main content.
</div>
<div id="comment">
<ul>
<li class="comment">
<div class="header-comment">
Comment:
<span class="date-comment">8/11/2012, 21:25</span>
</div>
<h4>Some Text</h4>
<p class="test-comment">Blah~~ Blah~~ Blah~~</p>
<div class="share">
<div class="vote">
<a class="vota yes" title="Like">2</a>
<a class="vota no" title="Unlike">0</a>
</div>
</div>
</li>
<li class="comment">
<div class="header-comment">
Comment:
<span class="date-comment">8/11/2012, 23:08</span>
</div>
<h4>Other Text</h4>
<p class="test-comment">Blah~~ Blah~~ Blah~~</p>
<div class="share">
<div class="vote">
<a class="vota yes" title="Like">4</a>
<a class="vota no" title="Unlike">0</a>
</div>
</div>
</li>     
     </ul>
</div>
EOT;$htmls = preg_replace('/<div[^>]*(comment|share)[^>]*>(.*?)<\/div>/is', '', $htmls);
echo $htmls;

Answer 1

$htmls = preg_replace('/<div[^>]*(comment|share)[^>]*>(.*)<\/div>/is', '', $htmls);  //贪婪匹配

Answer 2

jordan大哥，你确信？这样的话，什么都返回不了了……

Answer 3

</div>
<div id="footer">
     Footer content.
</div>
EOT;
我是说如果后面再加一个#footer，这个footer也被去掉了。

Answer 4

那就没什么好办法了。除非你能知道 </div> 后面有些特殊字符。

Answer 5

jordan102，有没有办法根据闭包分析并删除？

Answer 6

你可以下载一个simple_html来解析html代码
然后遍历所有的div，然后
1、获取div的id，检测是否包含comment或者share
1、获取div的class，检测是否包含comment或者share
有则删除这个div，最后输出处理后的html即可

Answer 7

那就不用正则了，用DOM，分析闭包情况。