用于匹配不同html标记内的权重(lbs)的正则表达式

Question

我有一个HTML文件，其中包含产品信息，包括它们的重量。我正在尝试获取权重(lbs之前的任何数字)。有时，磅和权重数字之间会有空格。我想出了正则表达式：preg_match(">[0-9]+(\.[0-9][0-9]?)(.*?)lbs/i",fgets($file),$matches);，但它返回第一个'>‘和'lbs’之间的所有内容，这是不实用的，因为涉及到很多标签。所以我要做的是只获取紧跟在权重之前的字符'>‘和紧跟在权重之后的字符'lbs’之间的数字，而忽略了它们之间的空格。

所以在下面的例子中，我希望得到0.94,0.12,0.94。任何帮助都是非常感谢的。

<td width="513" valign="top">0.94 lbs
<td width="513" valign="top">0.12lbs
<td width="513" valign="top">0.94LBS
<td width="513" valign="top">penguin lover

请注意，标记“<td width="513" valign="top">”位于除权重之外的其他字符之前。

任何想法，帮助都将不胜感激。

Answer 1

使用：

/(?<=>)[0-9]+(?:\.[0-9][0-9]?)(?=\s*lbs)/i

这使用了前视和后视，这样唯一匹配的就是十进制数。

说明：

(?<=>) look用于检查> -- (?<=xxx)表示向后查找xxx

使用非捕获组(?:xxx) [0-9]+(?:\.[0-9][0-9]?)您未更改的小数正则表达式

(?=\s*lbs)预视0-后跟lbs的多个空格字符

请注意，如果需要，您可以将每个[0-9]替换为\d，它们是等效的。

示例代码：

$str = '<td width="513" valign="top">0.94 lbs
        <td width="513" valign="top">0.12lbs
        <td width="513" valign="top">0.94LBS
        <td width="513" valign="top">penguin lover';

preg_match_all("/(?<=>)[0-9]+(?:\.[0-9][0-9]?)(?=\s*lbs)/i",$str,$matches);

print_r($matches[0]);

输出：

 Array ( [0] => 0.94 [1] => 0.12 [2] => 0.94 )

Answer 2

preg_match_all('/[0-9]+(?:\.[0-9]+)(?=\s*lbs)/i', $html, $matches);
print_r($matches[0]);

正则表达式：

[0-9]+         any character of: '0' to '9' (1 or more times)
(?:            group, but do not capture (optional)
  \.           '.' 
  [0-9]+       any character of: '0' to '9' (1 or more times)
)              end of grouping
 (?=           look ahead to see if there is:
  \s*          whitespace (\n, \r, \t, \f, and " ") (0 or more times)
  lbs          'lbs'
)              end of look-ahead

请参阅working demo