PHP regex 删除一些不需要的 div答案

【问题标题】：PHP regex remove some unwanted divPHP regex 删除一些不需要的 div
【发布时间】：2012-11-09 12:12:01
【问题描述】：

我想删除一些 id 或 class 包含单词 comment 或 share 的 div（如：<div id="comment">、<div class="header-comment">、<div id="comment-footer">、<div class="social-share">），我使用的东西

preg_replace('/<div[^>]*(comment|share)[^>]*>(.*?)<\/div>/is', '', $htmls);

不工作。如何做一个正确的正则表达式？这是一些测试代码，我想删除comment部分并保留content和footer，

$htmls = <<<EOT
<div id="content">
     Main content.
</div>
<div id="comment">
    <ul>
        <li class="comment">
            <div class="header-comment">
                Comment:
                <span class="date-comment">8/11/2012, 21:25</span>
            </div>
            <h4>Some Text</h4>
            <p class="test-comment">Blah~~ Blah~~ Blah~~</p>
            <div class="share">
                <div class="vote">
                    <a class="vota yes" title="Like">2</a>
                    <a class="vota no" title="Unlike">0</a>
                </div>
            </div>
        </li>
        <li class="comment">
            <div class="header-comment">
                Comment:
                <span class="date-comment">8/11/2012, 23:08</span>
            </div>
            <h4>Other Text</h4>
            <p class="test-comment">Blah~~ Blah~~ Blah~~</p>
            <div class="share">
                <div class="vote">
                    <a class="vota yes" title="Like">4</a>
                    <a class="vota no" title="Unlike">0</a>
                </div>
            </div>
        </li>     
     </ul>
</div>
<div id="footer">
     Footer content.
</div>
EOT;

$htmls = preg_replace('/<div[^>]*(comment|share)[^>]*>(.*?)<\/div>/is', '', $htmls);
echo $htmls;

【问题讨论】：

Beware of parsing HTML with regular expressions, the way Cthulhu wants you to.
每次您尝试使用正则表达式解析 HTML 时，一只小海豹都会被可怕地杀死。
Html 不是正则语言，因此很难使用正则表达式来解析它。 en.wikipedia.org/wiki/Regular_language

标签： php html regex

【解决方案1】：

考虑使用DOMDocument 函数来解析HTML，然后定位您不想要的div 和remove。这将更快、更容易理解和维护，并且可能更快地编写。

【讨论】：

【解决方案2】：

我认为你应该使用DomDocumenttry ：

$dom = new DOMDocument();
$dom->loadHTML($htmls);
$remove = array("comment","share");
$removeList = array();
foreach ( $dom->getElementsByTagName("div") as $div ) {
    if (in_array($div->getAttribute("class"), $remove) || in_array($div->getAttribute("id"), $remove)) {
        $removeList[] = $div;
    }
}

foreach ( $removeList as $div ) {
    $div->parentNode->removeChild($div);
}

$dom->formatOutput = true;
echo "<pre>";
echo htmlentities($dom->saveHTML());

【讨论】：

所以如果某些 div 喜欢：div.header-comment,div.social-share，我应该将它们全部列在 $remove = array("comment","share","header-comment","social-share"); 中吗？在数组中列出所有内容太累了。
是否可以使用strpos 代替in_array？如果在 id 或 class 中找到 comment 或 share，删除 div？

【解决方案3】：

如何做正确的正则表达式？

您通过first identifying all DIVs, extract their texts 执行此操作，然后使用preg_match 查看该文本以查找您的正则表达式模式。

但是，您也可以使用正则表达式保留部分，只需使用 xpath。在您的情况下，这更直接。

【讨论】：

【解决方案4】：

参考这个网站来测试你的正则表达式 http://www.regexplanet.com/advanced/java/index.html

【讨论】：