php - 另一个小正则表达式问题

Question

我知道不鼓励解析 HTML，但我知道事实上这是受控情况下的最佳选择。我的情况是，我需要一个正则表达式来查找 html 页面上的所有预格式化文本 ( <pre>) 语句。这似乎很容易简单地用谷歌搜索，但我没有找到任何结果。此外，<pre>语句需要包含一个字符串，在我的例子中是“gisformat”。换句话说，此正则表达式需要返回 HTML 文件中包含“gisformat”的所有预格式化文本语句。我知道它是这样的，但我不确定在中间放什么:/<pre>(what should I put here)</pre>/

编辑 1:我正在使用 PHP，是的，我看过这篇文章，包括答案 #2 RegEx match open tags except XHTML self-contained tags

Answer 1

正则表达式方式:

preg_match_all('~<pre\b[^>]*>(?>[^<g]+|g(?!isformat)|<(?!/pre))*gisformat(?>[^<]+|<(?!/pre>))*</pre>~', $subject, $matches);
print_r($matches[0]);

DOM 方式:

$doc = new DOMDocument();
@$doc->loadHTML($subject);
$preNodes = $doc->getElementsByTagName('pre');

foreach($preNodes as $preNode) {
    if (strpos($preNode->nodeValue, 'gisformat') !== false)
        $result[] = $preNode->ownerDocument->saveXML($preNode);
}
print_r($result);

图案细节:

 # the opening tag #
<pre\b [^>]* >

 # content before the first "gisformat" #
(?>
    [^<g]+         # all that is not a "<" or a "g"
  |               # OR
    g(?!isformat)  # a "g" not followed by "isformat"
  |               # OR
    <(?!/pre)      # a "<" not followed by "/pre" 
)*                # repeat the group zero or more times

 # target #
gisformat

 # content until the closing tag #
(?>[^<]+|<(?!/pre>))*

 # closing tag #
</pre>