您的位置：首页 > 编程技术 > php  >  php利用正则表达式读取不规范的xml文档

php利用正则表达式读取不规范的xml文档

 更新时间：2016年11月25日 17:41  点击：1968
如果是标签的读取xml我们可以直接使用SimpleXMLElement或dom之类的进行读取xml文档了，但今天小编碰到的是不标准的xml文档了，下面一起来看使用正则的处理办法。

如果在你的程序中收到这样的字符串：

 代码如下 复制代码
<ReportList><ordIndex>1</ordIndex><ordLabNo>1942268</ordLabNo><arcItemId>134</arcItemId><ordItemDesc>产品1</ordItemDesc><Status>执行</Status><ordDate>2013-08-12</ordDate><reportStatus>报告已出</reportStatus><reportException>0</reportException></ReportList><ReportList><ordIndex>2</ordIndex><ordLabNo>19434368</ordLabNo><arcItemId>135</arcItemId><ordItemDesc>产品2</ordItemDesc><Status>执行</Status><ordDate>2013-05-12</ordDate><reportStatus>报告未出</reportStatus><reportException>0</reportException></ReportList>

那么，恭喜你，php中我们常用的几种方法
都不会生效，如：

 代码如下 复制代码

$array = (array)new SimpleXMLElement($xml_str);
$array = (array)simplexml_load_string($xml_str);
$array = json_decode(json_encode(simplexml_load_string($xml_str)),true); 都是返回 false

所以我们只能自己写个方法喽

代码如下：

 代码如下 复制代码
function parse_xml_to_array($xmlstr,$loopTag){
    $args = explode('</'.$loopTag.'>',$xmlstr);
    $returns = array();
    if($args){
        $reg = '/<(＼w+)[^>]*>([＼x00-＼xFF]*)<＼/＼1>/';
        foreach($args as $item){
            $item = str_replace('<'.$loopTag.'>','',$item);
            if(preg_match_all($reg, $item, $matches)) {
               if(isset($matches[1]) && isset($matches[2])){
                   $returns[] = array_combine($matches[1],$matches[2]);
               }
            }
        }
    }
    unset($args);
    return $returns;
}
$arr = parse_xml_to_array($xml,'ReportList');
var_dump($arr);

继续浏览有关 的文章

php自带了很多函数可以直接过滤所有html标签了，但时我们是希望清除指定的html标签再保留另外一些html标签了，下面给各位整理了一个例子。

很多时候我们正则清除HTML标签但总希望保留其中一部分标签

用asp语言实现

 代码如下 复制代码

str="<a href=""a.htm"">a.htm</a><div>afefe</div>feaa<b>bbb</b> 

<a href=http://www.111cn.net id=""ggg"">ggg</a><abbr>测试</abbr>" 

Set re=new RegExp    

 re.IgnoreCase =true    

 re.Global=True    

 re.Pattern="(<(?!/?(a|p|b)(＼s|>))[^>]*>)"    

 str=re.replace(str," ")    

 response.Write str  


那正则也可以用在其他语言里实现里实现

用php语言实现如下：

 代码如下 复制代码


$str='<a href="a.htm">a.htm</a><div>afefe</div>feaa<b>bbb</b><a href=http://www.baidu.com id="ggg">ggg</a><abbr>测试</abbr>'; 
echo preg_replace('/(<(?!＼/?(a|p|b)(＼s|＼>))[^>]*>)/', '', $str);  
?> 

当然php有更简单的实现方法：

 代码如下 复制代码

$str='<a href="a.htm">a.htm</a><div>afefe</div>feaa<b>bbb</b

或者这样写

 代码如下 复制代码

/**
* @param $content
* @return mixed
* 过滤a标签保留内容
*/
public function delete_tags_a($content){
$content = preg_replace("#<a[^>]*>(.*?)</a>#is", "$1", $content);
return $content;
}
今天在做一个功能时因为以前我们填写的内容中有数字与中文了，但现在改版了只要数字了，使用intval函数发现如果开头不是数字就是0了，所以只有使用正则了，下面来看过程。

在网上搜索到这个测试一下发现还可以，但是如果字符长度不d{4} 不定长就不行了

 代码如下 复制代码

function findNum($str=''){
 if(empty($str)){return '';}
 $reg='/(＼d{4}(＼.＼d+)?)/is';//匹配数字的正则表达式
 preg_match_all($reg,$str,$result);
 if(is_array($result)&&!empty($result)&&!empty($result[1])&&!empty($result[1][0])){
  return $result[1][0];
 }
 return '';
}

后来又发现知道中有一个

 代码如下 复制代码

$str=trim($str);
 if (preg_match('|(＼d+)|',$str,$r)) return $r[1];

发现这个可以获取任意连续长度的数字了，当然在网上还看到很多，但有一个可以了所以就没有再测试了。

匹配中文有一些在编辑上的区别，如果我们不加以判断在不同编辑下匹配中文字节字符是不一样的，这是很多初学者在网上找找之后发现很多代码不能正确使用的原因所在了。

utf-8环 境下中文的匹配

＼w匹配的仅仅是中文，数字，字母，对于国人来讲，仅匹配中文时常会用到，见下

匹配中文字符的正则表达式： [＼u4e00-＼u9fa5]

或许你也需要匹配双字节字符，中文也是双字节的字符

匹配双字节字符(包括汉字在内)：[^＼x00-＼xff]

注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）


在ANSI(gb2312)环 境下

匹配全部的gb2312编 码表的字符：/[".chr(0xb0)."-".chr(0xf7)."]+/
单纯匹配汉字而不匹配全角标点：/([".chr(0xb0)."-".chr(0xf7)."][".chr(0xa1)."-".chr(0xfe)."])/

该表达式能匹配一个中文字符。

匹配全角标点而不匹配汉字：/([".chr(0xa1)."-".chr(0xa3)."][".chr(0xa1)."-".chr(0xff)."])/

例子

 代码如下 复制代码

1、使用preg_match函数匹配汉字

<?php 
$str='asd我们cd'; 
$key='#[＼x{4e00}-＼x{9fa5}]#u'; 
preg_match($key,$str,$res); 
print_r($res) ; 
?> 
结果： 
Array([0]=>我)
2、使用preg_match函数匹配汉字(连续1个以上)

<?php 
$str='34353434我们cd'; 
$key='#[＼x{4e00}-＼x{9fa5}]{1,}#u'; 
preg_match($key,$str,$res); 
print_r($res) ; 
?> 
结果 
Array([0]=>我们)
3、改善1，使用preg_match_all函数匹配

<?php 
$str='34353434我们cd'; 
$key='#[＼x{4e00}-＼x{9fa5}]#u'; 
preg_match_all($key,$str,$res); 
print_r($res) ; 
?> 
结果 
Array([0]=>Array([0]=>我[1]=>们))
4、改善2，使用preg_match_all函数匹配汉字(连续1个以上)

<?php 
$str='34353434我们cd'; 
$key='#[＼x{4e00}-＼x{9fa5}]{1,}#u'; 
preg_match_all($key,$str,$res); 
print_r($res) ; 
 
?> 
结果 
Array([0]=>Array([0]=>我们))

由结果可看出，使用[＼x4e00-＼x9fa5]这个正则表达式可以匹配到中文。
preg_match或者preg_match_all的不同的地方就是，前者匹配一次就完了（无论是否匹配成功），而后者，会从待匹配的字符串的开头到结尾匹配一遍。

正则提取图片中的地址我们介绍过很多的相关文章了，下面再来给各位介绍一个可以提取内容中第一张图片的例子，希望对各位有帮助。
 代码如下 复制代码


例子

function getpic($str){
 preg_match_all("//isU",$str,$ereg);//正则表达式把图片的整个都获取出来了 
    $img=$ereg[0][0];//图片
    $p="#src=('|＼")(.*)('|＼")#isU";//正则表达式
    preg_match_all ($p, $img, $img1); 
    $img_path =$img1[2][0];//获取第一张图片路径
// print_r($img_path);  
    return $img_path; 
}
 
$imgs=getpic($row['post_content']);
$row['post_content'] //获取数据库里面的文章的内容。
[!--infotagslink--]

相关文章

  • PHP正则表达式取双引号内的内容

    取双引号内的内容我们如果一个字符串中只有一个可以使用explode来获得，但如果有多个需要使用正则表达式来提取了，具体的例子如下。 写程序的时候总结一点经验，如何只...2016-11-25

  • PHP正则表达式之捕获组与非捕获组

    今天遇到一个正则匹配的问题，忽然翻到有捕获组的概念，手册上也是一略而过，百度时无意翻到C#和Java中有对正则捕获组的特殊用法，搜索关键词有PHP时竟然没有相关内容，自己试了一下，发现在PHP中也是可行的，于是总结一下，分享的同...2015-11-08

  • php 验证只能输入汉字、英语、数字的正则表达式

    正则表达式是一门非常有用的并且进行模糊判断的一个功能了，我们下面来看通过正则来验证输入汉字、英语、数字，具体如下。 收藏了正则表达式。可以验证只能输入数...2016-11-25

  • java正则表达式判断前端参数修改表中另一个字段的值

    这篇文章主要介绍了java正则表达式判断前端参数修改表中另一个字段的值,需要的朋友可以参考下...2021-05-07

  • 常用的日期时间正则表达式

    常用的日期时间正则表达式 下面收藏了大量的日期时间正则匹配函数，包括分钟，时间与秒都能达到。 正则表达式 (?n:^(?=d)((?<day>31(?!(.0?[2469]|11))|30(?!.0?2)|29(...2016-11-25

  • PHP正则表达式匹配验证提取网址URL实例总结

    网址规则是可寻的，所以我们可以使用正则表达式来提取字符串中的url地址了，下面一起来看看小编整理的几个PHP正则表达式匹配验证提取网址URL实例. 匹配网址 URL 的...2016-11-25

  • 正则表达式中两个反斜杠的匹配规则详解

    这篇文章主要介绍了正则表达式中两个反斜杠的匹配规则,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下...2021-05-07

  • JS中使用正则表达式g模式和非g模式的区别

    这篇文章给大家详细介绍了JS中使用正则表达式g模式和非g模式的区别，非常不错，具有参考借鉴价值，需要的朋友参考下吧...2017-04-03

  • C#正则表达式使用方法示例

    这篇文章主要介绍了C#正则表达式使用方法,大家参考使用...2020-06-25

  • 常用C#正则表达式汇总介绍

    c#正则表达式,用于字符串处理、表单验证等场合，实用高效。现将一些常用的表达式收集于此，以备不时之需。...2020-06-25

  • JavaScript利用正则表达式替换字符串中的内容

    本文主要介绍了JavaScript利用正则表达式替换字符串中内容的具体实现方法，并做了简要注释，便于理解。具有一定的参考价值，需要的朋友可以看下...2017-01-09

  • 一文秒懂python正则表达式常用函数

    这篇文章主要介绍了python正则表达式常用函数及使用方法，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下...2021-05-07

  • Idea使用正则表达式批量替换字符串的方法

    这篇文章给大家介绍了Idea使用正则表达式批量替换字符串的方法，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友参考下吧...2021-07-21

  • PHP正则表达式之捕获组与非捕获组

    今天遇到一个正则匹配的问题，忽然翻到有捕获组的概念，手册上也是一略而过，百度时无意翻到C#和Java中有对正则捕获组的特殊用法，搜索关键词有PHP时竟然没有相关内容，自己试了一下，发现在PHP中也是可行的，于是总结一下，分享的同...2015-11-08

  • C# 中使用正则表达式匹配字符的含义

    正则表达式的作用用来描述字符串的特征。本文重点给大家介绍C# 中使用正则表达式匹配字符的含义，非常不错，具有一定的参考借鉴价值，需要的朋友参考下吧...2020-06-25

  • Python验证的50个常见正则表达式

    这篇文章主要给大家介绍了关于利用Python验证的50个常见正则表达式的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧...2021-03-11

  • C#编程自学之运算符和表达式

    这篇文章主要介绍了C#运算符和表达式,这是自学C#编程的第五篇，希望对大家的学习有所帮助。...2020-06-25

  • PHP正则表达式过滤html标签属性(DEMO)

    这篇文章主要介绍了PHP正则表达式过滤html标签属性的相关内容，实用性非常，感兴趣的朋友参考下吧...2016-05-06

  • js用正则表达式筛选年月日的实例方法

    在本篇文章里小编给大家整理的是一篇关于js用正则表达式筛选年月日的实例方法，对此有兴趣的朋友们可以学习下。...2021-01-04

  • javascript 手机号码正则表达式验证函数 <font color=red>原创</font>

    随着手机号码段的不断增加,以前网上的手机号码验证函数都不能那么完美的支持了，这里脚本之家编辑特为大家准备的一个简单的正则与手机验证的函数分析。...2021-05-07