php文章里的html标签,php匹配HTML标签

前言

php经常需要去匹配html标签，然而由于html标签可能有很多个重复的，甚至可能含有一些嵌套，因此匹配困难。

一、php正则问号的用法

1、只想匹配字符“？”

需要进行转义，即\?

2、用于非贪婪匹配

即最近匹配：【贪婪】

模式：a.*c

字符串：abcabc

匹配结果：abcabc

【非贪婪】

模式：a.*?c

字符串：abcabc

匹配结果：abc

常用：

(1)*? 重复任意次，但尽可能少

(2)+?重复1次或更多次，但尽可能少

(3)?? 重复0次或1次，但尽可能少

(4){n,m}? 重复n到m次，但尽可能少

(5){n,}? 重复n次以上，但尽可能少

3、不捕捉模式?:

意思就是对于不想要用()捕捉到的数据，加一个?:即可，例如：模式：(?:aaa)(bbb)

匹配结果: $1=bbb

aaa不会被$1捕捉到

二、php匹配任意字符(含换行符)的bug

1、[.\n]*?

完全不行……原因未知

2、.*?

可以，需要在后面加/s，复习：

(1)i 不区分大小写

(2)s 模式中的.匹配所有字符，包括换行符

3、(.|\n)*?

感觉上是可以的，但是对于很长很长的字符串，比如文章《三国高级辅助_v1.0》的内容，就不行，没匹配完就结束了，导致文章无法显示。

据《关于php中正则匹配包括换行符在内的任意字符的问题总结》说，是和php所绑定的PCRE库版本有关，可我用得是php7.0啊……

4、[\s\S]*?

最佳匹配方式，这里的

(1)\s 匹配任意空白字符，包括换行符， 等价于[\f\n\r\t\v]

(2)\S匹配任意非空白字符，等价于 ^[\f\n\r\t\v]

合起来就是匹配所有字符。

三、匹配HTML标签：pre code

需要匹配

，只要文本不出现这个标签，就可以这样匹配：/

([\s\S]*?)/i