Поиск потомков в HTML

@Jodah · Регистрация: 01.08.2012

Студворк — интернет-сервис помощи студентам

Никак не могу найти способ поиска потомков в HTML. Упрощённый пример:

PHP
1
2
3
4
5
$html = '<div>
    <a href="link1">text1</a>
    <a href="link2">text2</a>
    <a href="link3">text3</a>
</div>';

Мне нужно получить все link и text, но только из тех ссылок, которые находятся в теге <div>.

Пока что остановился на этом:

PHP
1
preg_match_all('~<div>(\s*<a href="([0-9a-z]+)">([0-9a-z]+)</a>\s*){1,}</div>~is', $html, $result);

Находит только последнюю ссылку, первые две не хочет:

Code
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
Array
(
    [0] => Array
        (
            [0] => <div>
    <a href="link1">text1</a>
    <a href="link2">text2</a>
    <a href="link3">text3</a>
</div>
        )
 
    [1] => Array
        (
            [0] => <a href="link3">text3</a>
 
        )
 
    [2] => Array
        (
            [0] => link3
        )
 
    [3] => Array
        (
            [0] => text3
        )
 
)

Гуглил, читал статьи, почитал про подгруппы в паре учебников по регуляркам, не помогло.

Добавлено через 41 минуту
Похоже задача решается рекурсивными шаблонами, что пока что выше моего понимания. Придётся по старинке парсить через SimpleHtmlDom.

@Emilien · 06.09.2017, 19:43

Такой простенький пример можно распарсить так:

PHP
1
2
3
4
5
6
7
8
9
$html = '<div>
    <a href="link1">text1</a>
    <a href="link2">text2</a>
    <a href="link3">text3</a>
</div>';
 
preg_match_all('~ (?: <div> | \G(?!\A) ) \s* <a \s+ href="([^"]+)"> ([^<>]+) </a> ~isx', $html, $result);
 
print_r($result);

@Jodah · 06.09.2017, 19:53 **[ТС]**

Emilien, о, класс, спасибо!

@Jewbacabra · 06.09.2017, 22:58

Jodah, почему регулярки? Это же отлично решает xpath

@Jodah · 07.09.2017, 17:13 **[ТС]**

Jewbacabra, вообще из-за производительности. Когда нужно спарсить html-страницу и вытащить оттуда меню или товары (или любые другие повторяющиеся элементы), хочется сделать это быстро и с минимальным расходом ресурсов. SimpleXMLElement создаст сотни объектов, из которых реально понадобится десяток-другой. Не комильфо.

Раньше вырезал регуляркой нужный html-элемент со всеми потомками, затем средствами SimpleHtmlDom уже бегал по потомкам. А если сразу вытаскивать нужные элементы с помощью регулярок, то и SimpleHtmlDom не нужна.

@Jewbacabra · 07.09.2017, 17:37

Jodah, зато качество кода повышается. А если придется менять эту регулярку через полгода?

@Jewbacabra · 07.09.2017, 17:46

Не по теме:

напомнило

@Jodah · 07.09.2017, 17:58 **[ТС]**

Сообщение от Jewbacabra

А если придется менять эту регулярку через полгода?

Если структура несложная, проблем не возникнет, условно поменять <div> на <ul class="some_class">. В более сложных ситуациях - согласен, будет как на картинке.

Буду смотреть по ситуации.

Новые блоги и статьи Все статьи Все блоги /
Символьное дифференцирование igorrr37 13.02.2026 / * Логарифм записывается как: (x-2)log(x^2+2) - означает логарифм (x^2+2) по основанию (x-2). Унарный минус обозначается как ! */ #include <iostream> #include <stack> #include <cctype>. . .	Камера Toupcam IUA500KMA Eddy_Em 12.02.2026 Т. к. у всяких "хикроботов" слишком уж мелкий пиксель, для подсмотра в ESPriF они вообще плохо годятся: уже 14 величину можно рассмотреть еле-еле лишь на экспозициях под 3 секунды (а то и больше),. . .	И ясному Солнцу zbw 12.02.2026 И ясному Солнцу, и светлой Луне. В мире покоя нет и люди не могут жить в тишине. А жить им немного лет.	«Знание-Сила» zbw 12.02.2026 «Знание-Сила» «Время-Деньги» «Деньги -Пуля»
SDL3 для Web (WebAssembly): Подключение Box2D v3, физика и отрисовка коллайдеров 8Observer8 12.02.2026 Содержание блога Box2D - это библиотека для 2D физики для анимаций и игр. С её помощью можно определять были ли коллизии между конкретными объектами и вызывать обработчики событий столкновения. . . .	SDL3 для Web (WebAssembly): Загрузка PNG с прозрачным фоном с помощью SDL_LoadPNG (без SDL3_image) 8Observer8 11.02.2026 Содержание блога Библиотека SDL3 содержит встроенные инструменты для базовой работы с изображениями - без использования библиотеки SDL3_image. Пошагово создадим проект для загрузки изображения. . .	SDL3 для Web (WebAssembly): Загрузка PNG с прозрачным фоном с помощью SDL3_image 8Observer8 10.02.2026 Содержание блога Библиотека SDL3_image содержит инструменты для расширенной работы с изображениями. Пошагово создадим проект для загрузки изображения формата PNG с альфа-каналом (с прозрачным. . .	Установка Qt-версии Lazarus IDE в Debian Trixie Xfce volvo 10.02.2026 В общем, достали меня глюки IDE Лазаруса, собранной с использованием набора виджетов Gtk2 (конкретно: если набирать текст в редакторе и вызвать подсказку через Ctrl+Space, то после закрытия окошка. . .

@Jodah 3899 / 3237 / 1353 Регистрация: 01.08.2012 Сообщений: 10,909
	06.09.2017, 19:53 [ТС]
	Emilien, о, класс, спасибо! 0

@Jewbacabra 4925 / 3920 / 1620 Регистрация: 24.04.2014 Сообщений: 11,441
	06.09.2017, 22:58
	Jodah, почему регулярки? Это же отлично решает xpath 0

@Jodah 3899 / 3237 / 1353 Регистрация: 01.08.2012 Сообщений: 10,909
	07.09.2017, 17:13 [ТС]
	Jewbacabra, вообще из-за производительности. Когда нужно спарсить html-страницу и вытащить оттуда меню или товары (или любые другие повторяющиеся элементы), хочется сделать это быстро и с минимальным расходом ресурсов. SimpleXMLElement создаст сотни объектов, из которых реально понадобится десяток-другой. Не комильфо. Раньше вырезал регуляркой нужный html-элемент со всеми потомками, затем средствами SimpleHtmlDom уже бегал по потомкам. А если сразу вытаскивать нужные элементы с помощью регулярок, то и SimpleHtmlDom не нужна. 0

@Jewbacabra 4925 / 3920 / 1620 Регистрация: 24.04.2014 Сообщений: 11,441
	07.09.2017, 17:37
	Jodah, зато качество кода повышается. А если придется менять эту регулярку через полгода? 0

@Jewbacabra
	07.09.2017, 17:46
	Не по теме: напомнило 0

Поиск потомков в HTML

Решение