regex表如何匹配?

不要使用许多不精确的非贪婪的表达,比如 .*? . 尽管它们做了你想要的,但是它们带来了大量的回溯,从而使你的整个表达效率低下。尤其是当你用了这么多的时候。

尽量明确:

#<tr\b(?:[^"'>]*|"[^"]*"|'[^']*')*>\s*
    <td\b(?:[^"'>]*|"[^"]*"|'[^']*')*>((?:[^<]|(?!</td\s*>)<)*)</td\s*>\s*
    <td\b(?:[^"'>]*|"[^"]*"|'[^']*')*>((?:[^<]|(?!</td\s*>)<)*)</td\s*>\s*
    <td\b(?:[^"'>]*|"[^"]*"|'[^']*')*>((?:[^<]|(?!</td\s*>)<)*)</td\s*>\s*
    <td\b(?:[^"'>]*|"[^"]*"|'[^']*')*>((?:[^<]|(?!</td\s*>)<)*)</td\s*>\s*
    <td\b(?:[^"'>]*|"[^"]*"|'[^']*')*>((?:[^<]|(?!</td\s*>)<)*)</td\s*>\s*
</tr\s*>#sx

但正如你所看到的,这是一个混乱。

您最好使用像 DOMDocument . 然后您可以像BrianAgnew建议的那样使用xpath查询元素。这比正则表达式更可靠、更舒适。

正如许多人会/已经指出的那样,使用HTML/XML解析器进行上述分析(如 this one )HTML不是常规的,如果使用正则表达式,则有许多边缘情况需要进行编码。

如果您只想提取文本,那么xpath可能会有所帮助。一种表达式,如:

/tr/td/text() 

可能会成功。

尝试:

// http://simplehtmldom.sourceforge.net/
include('simple_html_dom.php');
$str = '<tr class="rowodd" onclick="window.location.href=\'/portal/offers/show/entityId/32114\';">
  <td>
    01.10.2009
  </td>
  <td>
    AN09551
  </td>
  <td>
    [2009132] Ich bin Un. <a href="/portal/clients/show/entityId/762350">
    <myimsrc="/img/bullet_go.pngs" alt="" title="Kundenakte aufrufen"></a>
  </td>
  <td class="number" title="7.500,00">
    7.500,00
  </td>
  <td>
    Entwurf
  </td>
</tr>';
$html = str_get_html($str);
foreach($html->find('td') as $element) {
  echo trim($element->innertext) . "\n";
}

输出:

01.10.2009
AN09551
[2009132] Ich bin Un. <a href="/portal/clients/show/entityId/762350">
    <myimsrc="/img/bullet_go.pngs" alt="" title="Kundenakte aufrufen"></a>
7.500,00
Entwurf

否则,对于regexp,可以使用它(使用多行选项):

(?:\<td[^\>]*?\>([^\<]*?)\</td\>)+

但是正如@brian agnew所指出的,这并没有XML/HTML解析器那么好……

是不是 strip_tags 选择权?

它将删除所有标记,只在标记之间保留文本。但它也会去掉属性

在您的情况下,这将导致:

  01.10.2009
   AN09551
     [2009132] Ich bin Un. 
   7.500,00 € 
    Entwurf

在PHP世界中,有preg-match-all,这使得它比JS容易得多。

$ptn = "/<\s*td[^>]*>([^<^>]*)</;
preg_match_all($ptn, $str, $matches);
print_r($matches);

测试结果 Preg Tester