用于在两个标签之间提取文本的正则表达式以及标签名称答案

【问题标题】：A regular expression to extract text between two tags and ALSO the tag name用于在两个标签之间提取文本的正则表达式以及标签名称
【发布时间】：2010-07-09 01:40:19
【问题描述】：

我需要一种简单的标记语言来将字符串的不同部分存储在 TEXT 字段中，然后提取这些部分。所以基本上我想要某种简单的 XML。将它们存储在表字段中很容易，但提取它们......是另一回事。我设法使用为常规 HTML 完成的简单正则表达式来做到这一点：

|<[^>]+>(.*)</[^>]+>|U

但为了重新组合原始数组（并更普遍地使用标记），我还需要知道标签名称。而那个正则表达式并没有这样做。

例子：

输入文字：

<user_input>Hello! my name is Williams</user_input>

使用上述正则表达式的 preg_match_all() 函数返回：

array
  0 => 
    array
      0 => string '<user_input>Hello! my name is Williams</user_input>' (length=34)

  1 => 
    array
      0 => string 'Hello! my name is Williams' (length=34)

我需要它来返回标签的“user_input”名称。是的，我知道，我很喜欢正则表达式。是的，我知道“使用 XML 解析器”，但这对于我正在做的事情来说太大了。

【问题讨论】：

你的正则表达式是贪婪的，任何复杂的东西都会严重破坏。它不检查标签是否匹配。如果有两个以上的标签，它将非常失败。我确定它还有其他错误。
“所以基本上我想要某种简单的 XML。”——恰好 PHP 带有一个名为 SimpleXML 的扩展：php.net/simplexml

标签： php xml regex

【解决方案1】：

xml 解析器如何“太大”？ PHP 具有内置的本机函数，可让您轻松完成。

正则表达式不适合这项工作。

<?php

$string = '
<root>
<input_name>blah</input_name>
</root>
';

$x = new DOMDocument();
$x->loadXML($string);
$root = $x->documentElement;
$elements = $root->getElementsByTagName('*');
$count = count($elements->length);

for ( $i = 0; $i< $count; $i++ ) {
    $el = $elements->item($i);
    echo $el->nodeName . '<br>';
    echo $el->nodeValue . '<br>';
}

【讨论】：

你也可以使用simplexml。

【解决方案2】：

只需像处理内容一样使用捕获组：

|<([^>]+)>([^<]*)</\1>|

作为额外的奖励，您可以使用捕获的名称来确保结束标记具有相同的名称。

【讨论】：

【解决方案3】：

所以基本上我想要某种简单的 XML

那么你需要一个 XML 解析器。嘿，PHP 有一个你可以安装的 XML 解析扩展。

说真的，试图用正则表达式破解你的方式只会以痛苦和沮丧而告终。使用 XML 解析器，为您节省大量工作时间。

但这对于我正在做的事情来说太大了。

不，不是。您想要解析一些东西 - 因此，您应该使用解析器。

【讨论】：

人们在不发表评论的情况下投反对票很有趣。你失去了代表，答案没有改善 - 你到底取得了什么成就？
我推荐使用 xml 解析器，但是如何提供一个使用它来解决操作问题的示例？这将帮助他理解它是如何工作的，而不是“RTFM”类型的响应。
@meder：我不是一个 PHP 专家——为了发布一个工作代码示例，我必须安装 PHP，正确配置所有内容，并多次测试我的代码确保它有效。我更愿意发布一个有用的答案，将提问者指向正确的方向，即使它在可复制粘贴的代码上很简洁。也就是说，你的答案比我的好，我赞成它是正确的并提供了示例用法。
解析器是一个不错的解决方案，但我已经完成了正则表达式的代码（不仅仅是解析字符串的方法，还有围绕它的代码）。如果用户数量增加并且我在扩展方面遇到了一些问题，我可能会重构它以使用解析器。无论如何，谢谢，我学到了一个可能会在未来使用的新东西。

【解决方案4】：

|<([^>]+)>(.*)</[^>]+>|U

会做你想做的。我只是添加了两个括号。这是一个非常脆弱的黑客。您想使用解析器。尤其是你显然不懂正则表达式。

【讨论】：