从表中的每个第一个 TD 中提取内容

Question

我有一些如下所示的 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>

我需要检索值 abcde、efgh 和 ijkl

这是正则表达式我目前正在使用：

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

是的，我不太擅长它们。与我的大多数正则表达式尝试一样，这是行不通的。谁能告诉我为什么？

此外，我了解 html/xml 解析器，但需要重新访问大量代码才能实现这一点。那是以后的事情了。我们现在需要坚持使用正则表达式。

编辑：为了澄清，我需要第一个 标记之间的值 或

Answer 1

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

注意 m 修饰符以及 \s* 的使用。

另外，您可以通过 ?: 使第一组不捕获。即 (?:even|odd) 因为您可能对 class 属性不感兴趣:)

Answer 2

试试这个：

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

所做的更改：

• 您没有考虑换行符
  标签之间
• 您不需要 x 修饰符，因为它
  将丢弃正则表达式中的空格。
• 通过使用使匹配非贪婪
  .*? 代替 .*。

工作链接

Answer 3

实际上，您不需要对代码库进行太大的更改。使用 DOM 和 XPath 获取文本节点始终相同。唯一发生变化的是 XPath，因此您可以将 DOM 代码包装到一个函数中来替换 preg_match_all。这只是一个微小的变化，例如

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

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;
}

并将返回

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

但如果您想要正则表达式，请使用正则表达式。我只是提供想法。

Answer 4

这是我想出来的，

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

我会解释一下。这里的挑战之一是标签之间的内容可能是您正在查找的文本，也可能是标签。在正则表达式中，[^<]+ 表示匹配不是 的一个或多个字符。特点。这很好，因为这意味着不会匹配，并且组只会匹配，直到找到标签。

Answer 5

免责声明：使用正则表达式解析 HTML 是危险的。

要获取每个 TR 中第一个 TD 的内部html，请使用以下正则表达式：

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

Answer 6

这只是一个快速而肮脏的正则表达式来满足您的需求。它可以很容易地清理和优化，但这只是一个开始。

<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

这是另一种方法，可能更可靠：

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