本文详细解析了一段用于从HTML中提取标签及其属性的PHP代码，包括标签名、属性及其值的提取过程，并通过示例展示其应用。
直接看代码
<?php
#author: selfimpr
#blog: http://blog.youkuaiyun.com/lgg201
#mail: lgg860911@yahoo.com.cn
$pattern = <<< eot
/
< #开始标签
(?P<tagname>(?>\w+)) #标签名
(?P<attr> #单个属性子组
(?>\s+) #前置空白
(?P<attr_name>\w+) #属性名
= #赋值符号
(?P<quote>(?P<single_quote>')|(?P<double_quote>")) #读取包裹属性值的引号
(?P<attr_value> #值处理子组
(?: #将值分解处理: 分解为1) 偶数个转义字符的部分; 2) 单个转义字符+引号或非当前使用引号的字符
(?P<slash>(?>(?:\\\\\\\\)*)*) #消耗掉当前位置起偶数个转义字符
(?P<chars> #非转义字符自身的处理
\\\\(?P=quote)|(?(5)[^']|[^"]) #这里用了分支, 一边是转义字符+引号, 另一边是条件匹配的非当前引号字符
)
)* #对值进行的分组进行0次或多次处理
)
(?P=quote) #引号闭合
)* #属性的重复
\s* #后置空白
\/?> #标签闭合处理(这里的焦点在于对属性值的处理, 所以没有对</tagname>的方式进行处理)
/x
eot;
#示例输入
$content1 = <<< eot
<a href='\\\\\'aaaa\\\\"\\' alt='中国<a href=\\"www.baidu.com\'\\" >战神啊</a>共和国'>
eot;
$content2 = <<< eot
<a href="\\\\\"aaaa\\\\" alt="中华人民<a href=\\"www.baidu.com\\" >战神啊</a>共和国">
eot;
echo $pattern . chr(10);
preg_match($pattern, $content1, $matches);
print_r($matches);
preg_match($pattern, $content2, $matches);
print_r($matches);
扫一扫
19
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
