HTML嵌套匹配正则

Question

比如：
<div style="background-color:gray;" id="footer">
  <a id="gotop" href="#" onclick="MGJS.goTop();return false;">Top</a>
  <a id="powered" href="http://wordpress.org/">WordPress</a>
  <div id="copyright">
  Copyright &copy; 2009 简单生活 —— Kevin Yang的博客
  </div>
  <div id="themeinfo">
  Theme by <a href="http://www.neoease.com/">mg12</a>. Valid <a href="http://validator.w3.org/check?uri=referer">XHTML 1.1</a>
  and <a href="http://jigsaw.w3.org/css-validator/">CSS 3</a>.
  </div>
</div>能查找到id="footer"这个完整的div

Answer 1

尝试了很多种，但都不行：
<?
$string ="<div>d<p>p<div>div</div><div>div</div><div id='footer'>d<div>rdiv</div>iv</div><div>div</div>p</p>dd</div>";$p = "#(<(\w+)[^>]*(?:id=['\"].*?['\"])[^>]*>)((?:(?:[^<]|<(?!\\2))*?|(?R))*)(</\\2>)#ise";
$p = "/(".   
"<\!\w+(?:\s+[^>]*?)+\s*>|".   
"<\w+(?:\s+\w+(?:\s*=\s*(?:\"[^\"]*\"|'[^']*'|[^\"'>\s]+))?)*\s*\/?>|".   
"<\/\w+\s*>|".   
"<\!--[^-]*-->".   
")/"; $p = "#<(?P<HtmlTag>div)[^>]*\s[iI][dD]=(?P<Quote>[\"']?)footer(?P=Quote)[^>]*>#";
$p = "#(<(\w+)[^>]*id=['\"].*?['\"][^>]*>)((<\\2[^>]*>(?:(?:[^<]|<(?!\\2))*?|(?R))*</\\2>)*)(</\\2>)#ise";
$p = "#(<(\w+)[^>]*(?:id=['\"].*?['\"])[^>]*>)((?:(?:[^<]|<(?!\\2))*?|(?R))*)(</\\2>)|(<(\w+)[^>]*>)((?:(?:[^<]|<(?!\\2))*?|(?R))*)(</\\2>)#ise";$content = preg_match_all( $p, $string, $arr );print_r( $arr ); exit;
?>

Answer 2

还有种.Net的：
C# code        string str = "<div style=\"background-color:gray;\" id=\"footer\">"
      + "<a id=\"gotop\" href=\"#\" onclick=\"MGJS.goTop();return false;\">Top</a>"
      + "<a id=\"powered\" href=\"http://wordpress.org/\">WordPress</a>"
      + "<div id=\"copyright\">"
      + "Copyright &copy; 2009 简单生活 —— Kevin Yang的博客"
      + "</div>"
      + "<div id=\"themeinfo\">"
      + "Theme by <a href=\"http://www.neoease.com/\">mg12</a>. Valid <a href=\"http://validator.w3.org/check?uri=referer\">XHTML 1.1</a>"
      + "and <a href=\"http://jigsaw.w3.org/css-validator/\">CSS 3</a>"
      + "</div>"
      + "</div><div>zzz</div>";
        Regex reg = new Regex(@"(?is)<div[^>]*?id=""footer""[^>]*?>((?!</?div).)*(((?<Open><div[^>]*>)((?!</?div).)*)*((?<-Open></div>)((?!</?div).)*)*)*(?(Open)(?!))");
        foreach (Match m in reg.Matches(str))
        {
            Response.Write(m.Value);
        }

Answer 3

用dom多好啊！php手册上的dom

Answer 4

DOM对系统有要求吗？
比如：操作系统、是否需要额外安装其它插件？

Answer 5

需要libxml，对操作系统没要求，
如果你用的是虚拟空间，基本都有安装的，用phpinfo查看一下有没有dom就行

Answer 6

另外，还奇怪的一个问题：
$re = "/<(\/?)(\w+)([^>]*?)(id=['\"](\w+)['\"])*([^>]*?)>/im"对于：
<div style="background-color:gray;" id="footer">没办法匹配id的属性，全跑到最后的([^>]*?)这个捕获组去了。

Answer 7

(id=['\"](\w+)['\"])+ 用+ 不用*

Answer 8

/<(\/?)(\w+)(([^>]*?)id=['\"](\w+)['\"])*([^>]*?)>/改成这样，将([^>]*?)(id=['\"](\w+)['\"]) 和并为一组

Answer 9

这个问题用正则是不好解决的，在有嵌套的情况下结束条件会冲突，建议你用dom吧，把格式补全了，用dom解析下，直接getElementById就ok了

Answer 10

不明白你是怎么测试的
<?php$html = <<<STR<div style="background-color:gray;" id="footer">
  <a id="gotop" href="#" onclick="MGJS.goTop();return false;">Top</a>
  <a id="powered" href="http://wordpress.org/">WordPress</a>
  <div id="copyright">
  Copyright &copy; 2009 简单生活 —— Kevin Yang的博客
  </div>
  <div id="themeinfo">
  Theme by <a href="http://www.neoease.com/">mg12</a>. Valid <a href="http://validator.w3.org/check?uri=referer">XHTML 1.1</a>
  and <a href="http://jigsaw.w3.org/css-validator/">CSS 3</a>.
  </div>
</div>STR;$reg = "/<(\/?)(\w+)(([^>]*?)id=['\"](\w+)['\"])*([^>]*?)>/im";preg_match($reg, $html, $matches);var_dump($matches);// 显示结果array(7) {
  [0]=>
  string(48) "<div style="background-color:gray;" id="footer">"
  [1]=>
  string(0) ""
  [2]=>
  string(3) "div"
  [3]=>
  string(43) " style="background-color:gray;" id="footer""
  [4]=>
  string(32) " style="background-color:gray;" "
  [5]=>
  string(6) "footer"
  [6]=>
  string(0) ""
}