通过regex提取样式表

我会把这个问题分成几个小问题。写起来容易,维护起来也容易。当然还有更多的代码行。一个巨大的regex的问题是有许多gotcha,输入可能无效,这很难在一个大的模式中管理。

/<link([^>]+)>/
-> extract attributes:
   /([\w]+)\s*=\s*"([^"]*)"/

/<style[^>]*>(.+?)</style>/
-> extract inline styles

最后将结果合并到一个数组中,就好像preg-match-u生成了它一样。

如果我使用正则表达式来完成这项工作,例如,因为您需要能够处理无效的HTML,而使用适当的解析器通常很困难,那么我将使用单独的正则表达式。使用一个或两个正则表达式获取 style 和 link 标记,并使用另一组regex从每个标记中获取各种属性。

您的regex尝试通过使用lookahead反复扫描opening标签来获取所有元素,从而一次性完成所有操作。在只使用一个regex的情况下,这是一个很好的技巧,但在编写自己的代码时,这不是推荐的方法。

我对你的瑞格鞋做了一些改进。我取代了 .*? 和 .+? 在可能的情况下使用否定字符类来提高效率。您的regex不工作的原因是它没有正确地尝试匹配结束标记或正确地处理 链接 没有结束标记的标记。我确定了。

正则表达式:

<(link|style)(?=[^<>]*?(?:type="(text/css)"|>))(?=[^<>]*?(?:media="([^<>"]*)"|>))(?=[^<>]*?(?:href="(.*?)"|>))(?=[^<>]*(?:rel="([^<>"]*)"|>))(?:.*?</\1>|[^<>]*>)

PHP:

$pattern = '%<(link|style)(?=[^<>]*?(?:type="(text/css)"|>))(?=[^<>]*?(?:media="([^<>"]*)"|>))(?=[^<>]*?(?:href="(.*?)"|>))(?=[^<>]*(?:rel="([^<>"]*)"|>))(?:.*?</\1>|[^<>]*>)%si'

完全感谢您的回答,但我最终还是用dom扩展重写了这个位。这应该会使它变得更加健壮。

仅获取外部资源:

preg_match_all('#(<link\s(?:[^>]*rel="stylesheet")[^>]*>)\R?#is', $content, $matches, PREG_SET_ORDER)