正则表达式将一个大的 html 表拆分为多个 5 行的表

debugcn 发表于 Dev

洛尔莫斯克

我正在尝试使用 regExps 进行排序，所以我在途中遇到了一个问题：问题是我有一些带有纯文本的随机 HTML 文件，并且只有一个表格。文本可以在表格前后，表格不包括<thead><tbody><tfoot> rowspan等等。因此，我需要将此表拆分为多个表，每个表 5 行，最后一个表不超过 5 行，并在每个表中重复原始表的第一个字符串。例如：

<table>
  <tr>
   <td>A</td><td>B</td>
  </tr>
  <tr>
   <td>A1</td><td>B1</td>
  </tr>
  <tr>
   <td>C</td><td>D</td>
  </tr>
  <tr>
   <td>E</td><td>F</td>
  </tr>
  <tr>
   <td>E1</td><td>F1</td>
  </tr>
  <tr>
   <td>E2</td><td>F2</td>
  </tr>
  <tr>
   <td>E3</td><td>F3</td>
  </tr>
  <tr>
   <td>E4</td><td>F4</td>
  </tr>
</table>

应该变成：

<table>
  <tr>
   <td>A</td><td>B</td><--!!!(not needed to be in code)-->
  </tr>
  <tr>
   <td>A1</td><td>B1</td>
  </tr>
  <tr>
   <td>C</td><td>D</td>
  </tr>
  <tr>
   <td>E</td><td>F</td>
  </tr>
  <tr>
   <td>E1</td><td>F1</td>
  </tr>
</table>
<table>
  <tr>
   <td>A</td><td>B</td><--!!!(not needed to be in code)-->
  </tr>
  <tr>
   <td>E2</td><td>F2</td>
  </tr>
  <tr>
   <td>E3</td><td>F3</td>
  </tr>
  <tr>
   <td>E4</td><td>F4</td>
  </tr>
</table>

这些东西我需要在 PHP 中使用 PCRE 来完成，包括大量的模板和更改。所以我在实现上有问题。现在我可以找到像这样的第一行<table>\s*?(<tr>(?:\s|.)*?<\/tr>)和 4 行，(<tr>(?:\s|.)*?<\/tr>\s*){1,4}但我不知道如何找到第二个模板的所有出现，以便稍后使用它们以及如何停止搜索是否有</table>表格结束标记。所以请帮忙

编辑

问题已得到解答，所以下一级添加原始表格标签<thead><tbody><tfoot>。在输出表中，应该重建原始表的结构，所以我的意思是如果原始表的第一行是<thead>标签的一部分，它应该在<thead>所有输出表中。

特里科特

您可以通过执行一个循环来实现这一点，其中每次迭代都会添加下一个“表格中断” preg_replace（但请参阅最后的免责声明）。建议的正则表达式将找到以下组：

<table>标签的最后一次出现以及它后面的第一行，或者，如果有thead和/或tbody标签，直到结束</thead>标签，<tbody>如果有开始标签，则包括开始标签。
接下来的 4 行。其中必须有 4 个。

然后它还会向前看以确保至少还有一行。

有了这些信息，就可以将单个“表格中断”注入到 HTML 字符串中。

如果表有一个tfooter部分（它也应该在表的每个分区中重复），我们还没有那个信息，因为它出现在输入的最后。因此，在循环开始之前，需要进行单独的解析以提取页脚。

这是假设输入在变量中的代码$html：

// Extract the footer part (if there is one) and closing table tag
preg_match("#(\s*(</tbody|<tfooter).*?)?</table>#s", $html, $tableEnd);
$tableEnd = $tableEnd[0];

// Add a table break in each iteration as long as the last partition has more than 4 rows:
while (true) {
    $res = preg_replace("#(<table(?!.*<table).*?/tr>(?:.*?/thead>)?(?:.*?<tbody>)?)((?:.*?/tr>(?=\s*<tr)){4})#s", 
                        "$1$2$tableEnd\n$1", $html);
    if (strlen($res) === strlen($html)) break;
    $html = $res;
}

echo $res;

看看它在eval.in 上运行。

主要正则表达式的解释

以下是主要正则表达式中的一些亮点：

#：我使用它作为正则表达式分隔符，而不是/为了避免需要/在正则表达式内部转义。如果您需要/用作分隔符，则将每个转义/为\\/：一个反斜杠用于正则表达式，另一个用于在字符串文字的上下文中转义该反斜杠。
(?!.*<table): 确保<table>在我们即将匹配的标签之后没有其他标签。这是一个消极的展望。
((?:.*?/tr>(?=\s*<tr)){4}): 抓取 4 行，并积极向前看 ( (?= )) 要求每行紧跟另一行。该(?: )模式不会创建捕获组，但外括号确实创建了一个捕获组。

更换

如果替换只是再次注入 2 个捕获的组（即$1$2），那么什么都不会改变。附加$tableEnd\n$1将关闭表格（带有页脚）并通过重用第一个捕获组开始下一个。这将<table>包含包含第一行和/或表标题的开始标记。

免责声明

尽管上述方法在许多情况下可能有效，但很可能会破坏它，因为正则表达式不是解析/解释 HTML 的理想方式。您真的应该为此使用 DOM api，而 PHP 有一个：DOMDocument.

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。

编辑于2021-07-16

我来说两句

0条评论

登录后参与评论

来自分类Dev

Related 相关文章

文章