首先给出几个问题。
-
将html代码中的js内容过滤掉。
-
将html代码中table标签中间的内容（<table>内容</table>）前后加上特殊字符#。
-
取出img标签alt属性的值。
html代码如下：
<html>
<head>
<title>test</title>
</head>
<body>
<script type="text/javascript">
data = 'test data';
</script>
<p><img src="http://test.com/1.jpg" alt="this's a description."></p>
<table>....</table>
<p><img src='http://test.com/2.jpg' alt='other'></p>
<script>
console.log('statics');
</script>
</body>
</html>
第一个问题，很容易写出下面代码:
$html = preg_replace('~<script.*>.+</script>~U', '', $html);
但执行的时候发现并没有过滤掉js代码。
原因是点号（.）元字符匹配除换行符以外的任意字符。js代码是多行的，所以用点号无法匹配，这个坑很浅，我却掉进去了。
解决方法：使用模式修饰符s，此修饰符可以让点号匹配换行符。
$html = preg_replace('~<script.*>.+</script>~Us', '', $html);
执行结果：
第二问题，可以使用php的preg_replace_callback函数。
$html = preg_replace_callback(
'~<table>(.+)</table>~Us',
function ($matches) {
return '#' . $matches[1] . '#';
},
$html);
第三个问题：
preg_match_all('~<img.*alt=[\'"](.+)[\'"]~U', $html, $matches);
执行结果：
发现第一个匹配出错。由于alt属性值可能由双引号或单引号包括的，所以在正则中使用[\’”]，但如果alt属性值中有单引号或双引号就会匹配不全，此时可以使用反向引用来解决，好吧，我竟然忘了反向引用。
preg_match_all('~<img.*alt=（[\'"]）(.+)\1~U', $html, $matches);
网友评论