多行正则表达式中是否有用于捕获换行符的标记？

Question

之前，当我尝试使用 php 和 preg* 函数进行一些 html 抓取时，我已经多次遇到过这个问题。

大多数时候我必须捕获这样的结构：

<!-- comment -->
<tag1>lorem ipsum</tag>

<p>just more text with several html tags in it, sometimes CDATA encapsulated…</p>
<!-- /comment -->

我特别想要这样的东西：

/<tag1>(.*?)<\/tag1>\n\n<p>(.*?)<\/p>/mi

但是 看起来不起作用。

有通用断线开关吗？

Answer 1

我想你可以替换\n\n的(\r?\n){2}这样你捕捉CRLF对而不只是LF字符。

Answer 2

您确定要使用正则表达式解析HTML？ HTML是不是经常和有太多的极端情况。

我将调查某种形式的HTML解析器（也许这一个？），然后确定您想通过返回的HTML数据结构的模式。

Answer 3

或者你可以看看 DOM扩展 到 PHP.它有一个功能 从字符串加载 html 或一个文件. 。然后你可以使用 php dom 方法来遍历 dom 并找到你感兴趣的数据。