正则表达式研究——匹配重复标签和嵌套标签

Question

本帖最后由 CunningBoy 于 2010-09-04 10:34:31 编辑

Answer 1

占位学习一下先贪婪与非贪婪模式各有其应用场景，但都不能用来处理嵌套或配对出现的标记.NET中的平衡组可以解决嵌套标签匹配的问题，记得以前好像在哪见过PHP中说是也有类似语法的，没有PHP环境，没法验证不过针对楼主要求的结果，逐层获取嵌套标签，即使是支持平衡组或类似的语法，也不可能通过一个正则获取到这些结果的，还需要结合循环或者递归来达到这一目的这样的话，正则无论从实现难易程度上，还是执行效率上就都不占优了
正则由于进行了尽可能的抽象，所以具有高度的灵活性和可扩展性，但是在处理某些特定问题的时候，它又会做许多额外的判断，无形中降低了匹配效率
其实正则也不过是有穷状态机的一种实现，我们完全可以通过“栈”的方式，自己去写个方法来实现这一需求一家之言，欢迎讨论，PHP的代码我是写不出了，只能进行一下理论上的探讨

Answer 2

preg_replace('/(>)([^>|^<\?|^\r\n][^\d]+?)([<|<\/])/i', "$1<?php print_R(\$translate->_(\"$2\")) ?>$3", $data);看一下这个是不是你想要的,我这里不是获取标签里面的内容,而是给标签里面的内容加上一个指定的函数,我试过了,只能匹配80%,要完全匹配还得花点心思

Answer 3

上面有一点小问题,再发一个preg_match_all('/([^\?|^>]>){1}([^>|^<\?|^\r\n|^if]+?)([<|<\/][^\?])/U', $string, $arr);
print_R($arr);

Answer 4

我相信这个可以做到或接近做到：
http://ca.php.net/manual/en/regexp.reference.recursive.php下面的那个注释已经可以匹配对应的，但是似乎只是最外层的

Answer 5

JavaScript是用于处理你自己的网页的。
如果想抓取别人的网页内容，用JavaScript是处理不了的。

Answer 6

单纯的使用正则表达式，几乎是不可能完成的。即便是 .NET中的平衡组 也是这样
即便是能够识别了，也不能很好的解决正文中出现的“<”、“>”。
比如 xml 解析器就要求强制转义<>
而专为解析 HTML 而设计的 tidy 依然不能识别正文中的 <字母 组合

Answer 7

aaaabbbbccc<a href="aaa.html">aaaaabbbbcccc</a>aaaabbbccc
要把a标签外面的a元素找出来，该怎么匹配
preg_match_all("#<a[^>]*>(.*?)<\/a>#",$str2,$arr);这样写只能把a标签找到...