php - 如何正则表达式匹配具有不同结尾的文本？

Question

这就是我目前所拥有的。

<h2>Information</h2>\n  +<p>(.*)<br />|</p>
                  ^ that is a tab space, didn't know if there was
 a better way to represent one or more (it seems to work)

我正在尝试匹配“bla bla”。文本，但我当前的正则表达式不太有效，它将匹配大部分行，但我希望它匹配第一个

<h2>Information</h2>
    <p>bla bla.<br /><br /><a href="http://www.google.com">google</a><br />

或

<h2>Information</h2>
    <p>bla bla.</p> other code...

哦，还有我的 php 代码:

    preg_match('#h2>Information</h2>\n  +<p>(.*)<br />|</p>#', $result, $postMessage);                          

Answer 1

不要使用正则表达式来解析 HTML。 PHP 提供 DOMDocument可用于此目的。

话说你的正则表达式有一些错误:

• 您需要用括号括起交替。
• 你需要惰性修饰符。
• 您不能键入“标题”来匹配“信息”。

经过这些更改，它看起来像这样:

<h2>.*?</h2>\n\t+<p>.*?(<br />|</p>)

你的正则表达式也很脆弱。例如，如果输入包含空格而不是制表符或行尾是 Windows 样式，则您的正则表达式将失败。使用适当的 HTML 解析器将提供更强大的解决方案。