正则表达式寻找<character>标签

Question

需要正则表达式的帮助。我正在尝试使用正则表达式，并且preg_match_all找到块<character>...</character>。这里是我的数据看起来像：

<character> 
杜塞尔多夫 
杜塞爾多夫 
    <div class="hp">dùsàiěrduōfū<div class="hp">dkfjdkfj</div></div> 
    <div class="tr"><span class="green"><i>г.</i></span> Duesseldorf (<i>Deutschland</i>)</div> 
    <div class="tr"></div> 
</character> 

<character> 
    我, 是谁 
    <div class="hp">текст</div> 
    <div class="tr">some text in different languages</div> 
</character> 

我试图\<character\>.*\<\/character>但遗憾的是它没有工作。有什么建议么？

Answer 1

如果使用preg家庭的功能，正则表达式应该是：

/\<character>(.*?)\<\/character>/s 

非贪婪的运营商?会阻止你只得到一个从第一<character>开始比赛，并结束在最后</character> 。/s标志将允许您的点匹配换行符。

Answer 2

您可能需要使用“/ u”选项来正确处理UTF8文本。

http://php.net/manual/en/reference.pcre.pattern.modifiers.php

Answer 3

尝试

<character>(.*?)<\/character> 

问号是ungreedy预选赛，这意味着它会匹配字符串尽可能短。另外<和>不需要转义。

Answer 4

除非你需要在枪点使用正则表达式来做到这一点，DOMDocument将会更加准确。

<?php 

$dom = new DOMDocument; 
$dom->loadXML($data); 

$character_nodes = $dom->getElementsByTagName('character'); 

// use $character_nodes... 
?>