正則表達(dá)式是做文本解析工作必不可少的技能。如Web服務(wù)器日志分析，網(wǎng)頁前端開發(fā)等。很多高級文本編輯器都支持正則表達(dá)式的一個子集，熟練掌握正則表達(dá)式，經(jīng)常能夠使你的一些工作事半功倍。例如統(tǒng)計代碼行數(shù)，只需一個正則就搞定。嵌套Html標(biāo)簽的匹配是正則表達(dá)式應(yīng)用中一個比較難的話題，因為它涉及到的正則語法比較多，也比較難。因此也就更有研究的價值。

今天由于工作的需求，需要獲取html標(biāo)簽的屬性值，立即想到了正則表達(dá)式，標(biāo)簽如下：

<circle id="ap_test" cx="200" cy="2000" r="2" stroke="black" stroke-width="0" fill="red"/>
<circle id="ap_test" cx="201" cy="2001" r="2" stroke="black" stroke-width="0" fill="red"/>
<circle id="ap_test" cx="202" cy="2002" r="2" stroke="black" stroke-width="0" fill="red"/>
<circle id="ap_test" cx="203" cy="2003" r="2" stroke="black" stroke-width="0" fill="red"/>

需要獲取<circle />標(biāo)簽的cx、cy的屬性值，想了一會寫出了一個：

$circle是上面的circle標(biāo)簽的內(nèi)容

preg_match_all('/<\s*circle\s+[^>]*?cx\s*=\s*(\'|\")(.*?)\\1[^>]*?cy\s*=\s*(\'|\")(.*?)\\1[^>]*?\/?\s*>/i', $circle, $arr);
var_dump($arr);

$arr[2]是cx的值 ，$arr[4]是cy的值.

下面給大家介紹下正則匹配閉合HTML標(biāo)簽（支持嵌套）

任何復(fù)雜的正則表達(dá)式都是由簡單的子表達(dá)式組成的，要想寫出復(fù)雜的正則來，一方面需要有化繁為簡的功底，另外一方面，我們需要從正則引擎的角度去思考問題。關(guān)于正則引擎的原理，推薦《Mastering Regular Expression》中文名叫《精通正則表達(dá)式》。挺不錯的一本書。

OK，先確定我們要解決的問題——從一段Html文本中找出特定id的標(biāo)簽的innerHTML。

這里面最大的難點(diǎn)就是，Html標(biāo)簽是支持嵌套的，怎么能夠找到指定標(biāo)簽相對應(yīng)的閉合標(biāo)簽?zāi)兀?/p>

我們可以這樣想，先匹配最前面的起始標(biāo)簽，假設(shè)是div吧（<div），接著一旦遇到嵌套div，就“壓入堆棧”，后面如果遇到div閉合標(biāo)簽了，就“彈出堆?！?。如果遇到閉合標(biāo)簽的時候，堆棧里面已經(jīng)沒有東西了，那么匹配結(jié)束，此結(jié)束標(biāo)簽為正確的閉合標(biāo)簽。

我之所以能夠這樣去思考，是因為我了解過正則的特性，我知道正則中的平衡組能夠?qū)崿F(xiàn)我剛才說的“堆?！辈僮鳌Ｋ?，如果我們要編寫復(fù)雜正則表達(dá)式，需要對正則的一些高級特性至少有所了解，這樣我們思考問題才有個方向。

================================

匹配任意閉合HTML標(biāo)簽的正則表達(dá)式：

<(?<HtmlTag>[\w]+)[^>]*?>((?<Nested><\k<HtmlTag>[^>]*>)|</\k<HtmlTag>>(?<-Nested>)|.*?)*</\k<HtmlTag>>

如果只想匹配div標(biāo)簽，可以使用下面的正則表達(dá)式：

<(?<HtmlTag>div)[^>]*?>((?<Nested><\k<HtmlTag>[^>]*>)|</\k<HtmlTag>>(?<-Nested>)|.*?)*</\k<HtmlTag>>

是的，你可以把div修改成任意你想要匹配的HTML標(biāo)簽

如果想同時匹配多個HTML標(biāo)簽，可以使用下面的正則表達(dá)式：
<(?<HtmlTag>(div|span|h1))[^>]*?>((?<Nested><\k<HtmlTag>[^>]*>)|</\k<HtmlTag>>(?<-Nested>)|.*?)*</\k<HtmlTag>>
你還可以繼續(xù)添加更多要匹配的標(biāo)簽

如果想匹配包含ID的標(biāo)簽，可以使用下面的正則表達(dá)式：

<(?<HtmlTag>[\w]+)[^>]*\s[iI][dD]=(?<Quote>["']?)footer(?(Quote)\k<Quote>)[^>]*?(/>|>((?<Nested><\k<HtmlTag>[^>]*>)|</\k<HtmlTag>>(?<-Nested>)|.*?)*</\k<HtmlTag>>)

這個正則匹配任意id為footer的HTML標(biāo)簽

最新評論