使用 PHP 和 preg_match 从多行模式中提取值

【问题标题】：Extract value from a multiline pattern using PHP and preg_match使用 PHP 和 preg_match 从多行模式中提取值
【发布时间】：2012-07-05 22:29:56
【问题描述】：

我正在尝试使用 PHP 和 preg_match 从多行模式中提取一个值。我在传递给 preg_match($regex, $string, $the_match) 的字符串中搜索的模式：

Latitude:</td>
        <td class="formCell">
        40-45-40.205 N
       </tr>

我知道如果它们都像这样在一行上：

Latitude:</td><td class="formCell">40-45-40.205 N</tr>

那么以下将是有效的，它会正确提取值：

/Latitude:<\/td><td class="formCell">(.*?)<\/tr>/

但是，由于我要查找的模式有多行，因此上述正则表达式不起作用。我正在通过 file_get_contents($url) 获取我传递给 preg_match() 的初始字符串，所以我在某种程度上受远程内容的支配。任何帮助将不胜感激！

【问题讨论】：

【解决方案1】：

使用[\s\S] 而不是.。

/Latitude:<\/td>[\s]*<td class="formCell">([\s\S]*?)<\/tr>/

. 是通配符，但不包括空格 - 包括换行符 - 字符。 [\s\S] 只是说“匹配所有空格和非空格字符”。

注意我还允许在</td> 之后使用可选的空格字符。

（旁注：HTML 无效 - 在关闭表格单元格之前关闭表格行。）

【讨论】：

赢家鸡肉晚餐！！（几乎）我不得不在之后添加另一个“[\s]*”。如下所示：/Latitude:[\s]* [\s]*([\s\S]*?)/
嗯...这应该不是必需的，因为那里的任何空格字符都会被接受空格字符的子组拾取。它对我有用。
更新：我还必须在提取值的位置之后添加[\s]*。 /Latitude:<\/td>[\s]*<td class="formCell">[\s]*([\s\S]*?)[\s]*<\/tr>/
如果我在提取值之前和之后没有添加那些[\s]*，那么换行符会随着被提取的值传入。您可以在 Rubular 上快速测试它。

【解决方案2】：

没有简单的标志。一个简单的 hack 可能是：

Latitude:(.*?)<\/td>(.*?)<td class="formCell">(.*?)<\/tr>

然后将 dotall 标志添加到您的正则表达式以允许 '.'[dot] 也匹配换行符。但它可以匹配更多。它是您自己的代码还是您从第三方网站翻录 html？因为也许你在不必要的时候使用了正则表达式！

【讨论】：

【解决方案3】：

我认为诀窍是在任何 HTML 形式合法允许空白的地方“散布”[\s]*。你不需要特殊的标志或任何东西。

Latitude:[\s]*<\/td>[\s]*<td[\s]*class="formCell">[\s]*([\s\S]*?)[\s]*<\/tr>

请记住，html 对空格非常宽容。您需要评估您的输入并确定您可以接受的容忍度。

另一个需要注意的是，这些元素可能具有不同的属性或不同的引用样式...如果您也必须使用它，则需要使用更多的 .，然后使用“未就绪”标志（添加u 传递给 preg 函数时的模式之后）；然后，一旦您意识到 > 可以合法地出现在属性内部，也许会进行一些花哨的反向引用；-)

【讨论】：

在我最初的测试中，我使用了\s，没有方括号和星号。我使用Rubular 进行测试，在快速参考部分中，他们从未提到将\s 括在方括号中。其他所有寻求帮助的地方也从未提及多余的字符。
我想它们并不是绝对必要的（它创建了一个字符“类”，但只有一个成员可能有点过分了）。星号是我建议的关键部分，而且位置丰富。