以特定字符串开头和结尾的正则表达式，中间没有（其他）字符串

Question

我正在尝试匹配 html 文档中以特定字符串开头和结尾的字符串，并且中间没有另一个特定字符串。更具体地说，它们以

开头

$start = "<br/>\s*[0-9]{1,4}(\.|\:|\))+";

以

结尾

$end = "\?";

并且应该包含所有内容，但中间的断线。

目前我的中间正则表达式如下所示：

$middle = "[^(<br/>)]+";

最终代码将如下所示：

$start = "<br/>\s*[0-9]{1,4}(\.|\:|\))+";
$middle = //What do I put here?
$end = "\?";
$regex = "#".$start.$middle.$end."#";
preg_match_all($regex, $text, $hits);

我应该如何创建我的中间正则表达式以仅匹配不包含断线的文本？

Answer 1

如果你使用an expression like this，你应该会得到你期望的结果（虽然，有better ways to parse HTML）：

(?:(?!<br/>).)*

这本质上是.* 的类固醇。 (?:...) 是一个“非捕获”组，用于将所有内容组合在一起以进行 * 重复。 (?!...) 是一个负前瞻，这意味着它确保在当前位置之前没有找到 <br/>。所以，这个表达式确保没有 <br/> 然后匹配下一个字符，然后重复！

---

在你的表达中，[^(<br/>)]+，你误解了字符类的工作原理。也就是说，只要它不在以下字符集中，匹配任何字符 1 次以上：(、b、r、/、>、)。也许this demo 会解释得更好。

Answer 2

如果您要匹配 <br /> 和 ? 之间的任何 html 文本：

• 不包含任何其他<br />，则此表达式有效：

  <br\s?\/>\s*([0-9]{1,4})[.:)]((?:(?!<br\s?\/>).)*)\?

Take a look at this demo。

• 可能包含 <br /> 但您只对删除了 <br /> 的文本感兴趣，那么您可能应该匹配 <br /> 和 ? 之间的所有内容，如下所示：

  <br\s?\/>\s*([0-9]{1,4})[.:)]([^?]*)\?

并使用字符串替换或其他方式删除<br />。 Take a look at this demo。

在每种情况下，第一组将匹配您的要点编号，第二组将匹配要点后面的问题，假设这是您感兴趣的内容。上面的表达式允许不一致的标签，例如<br> , <br > 或 <br/> 或 <br />。