正则表达式- Angels不敢涉足的地方

Question

我刚刚开始学习PHP中的正则表达式，但我在学习WWW上的一些教程时遇到了很糟糕的情况，似乎找不到任何能满足我当前需求的东西。也许我试图学得太多太快了。PHP的这一方面对我来说是全新的。

我尝试创建的是一个正则表达式，用我选择的任何代码替换第n次出现的和之间的所有HTML代码。

我的最终目标是在PHP中制作一个互联网过滤器，通过它我可以查看网页中任何指定的标签集之间的特定内容(或替换为经过消毒的内容)……在页面中，其中...表示任何有效的成对HTML标记，例如...或者..。或者...等等。

例如，如果页面有一个色情广告包含在第五个...代码块，那么可以调用什么正则表达式来将该代码替换为其他代码，比如xxxxxxx，而不是页面中的第5个代码块？

整个网页包含在单个文本字符串中，并且过滤结果也应该是单个文本字符串。

我不确定，但我认为执行此操作的代码可能具有类似以下的格式：

$FilteredPage = preg_replace("REG EXPRESSION", "xxxxxxxx", $OriginalPage);

要调用的"REG EXPRESSION“是我需要知道的，而"xxxxxxxx”表示替换"REG EXPRESSION“目标标签之间的代码的文本。

正则表达式显然是撒旦的杰作！

任何一般性的建议，或者可能是几个我可以研究和试验的工作示例，都将非常感谢。

谢谢，杰伊

Answer 1

这已经做死了，但请不要使用正则表达式来解析HTML。停下来，放弃..。这是不值得的小猫，上帝会杀了你这样做。使用真正的HTML或XML解析器

从更有建设性的角度来看，xpath是一种更适合描述您可能想要替换的html节点的技术……或者phpQuery和QueryPath

当你用正则表达式解析时，上帝杀死小猫的原因：

html不是一种常规语言，因此正则表达式只能解析非常有限的Html。HTML是一种上下文无关语言，因此只有使用上下文无关解析器才能正确解析。

编辑：谢谢你@Andrew Grimm，这比我说的要好得多，正如第一个答案所证明的那样，有4000多个赞成票！

RegEx match open tags except XHTML self-contained tags

Answer 2

首先，你是否使用了合适的工具来完成这项工作？Regex是一个文本匹配引擎，而不是一个成熟的解析器-也许专用的HTML解析器会提供更好的结果。

其次，当处理任何编程问题时，试着简化你的问题，一砖一瓦地构建它，而不是直接跳到最终的解决方案。例如，您可以：

从一个简单的普通英文文本块开始，尝试匹配并替换(例如)出现的每个单词" and“。

当它起作用时，将其封装在PHP循环中，该循环最多可以计数到5，并且只能替换出现的第5次。既然PHP在这方面的表现要好得多，为什么还要使用正则表达式呢？

然后修改您的正则表达式以匹配您的第五个HTML标记(这有点困难，因为<>是特殊字符，需要进行转义)

通过分步解决问题，您将能够使每个部分依次工作，并构建您理解的可靠解决方案。