は、文字列が正規表現を使用して閉じていない最後のHTMLタグを見つけるにはどうすればよいですか？
$string = "<body>
<img src='' alt=
";
最新閉じていないタグであるので、私は結果が「H1」になりたい私は、この文字列
$string = "<html>
<body>
<h1>
<b>aaa</b> bbbb
";
を考えてみましょう
最新の非公開タグであるため、結果は「img」タグになります
正規表現ではできますが、正規表現を使用していないとわかりました
検索するパターンではないため、正規表現ではこれを行うことはできません。
私はスタックを使用して文字列を調べています。開いているタグがスタックに置かれるたびに、一致する終了タグがスタックから削除されるたびに表示されます。
あなたは例1の最初の部分を通り抜けたのであれば：
<html>
<body>
<h1>
<b>
あなたのスタックは次のようになります。
HTML、ボディ、H1、
B次B閉じ、それをスタックから削除すると、スタックは次のようになります。
html、body、h1
ここで、スタック（h1）の上にあるタグは、常にあなたが探しているタグです。
あなたが私に何かを得ることを望みます、私に知らせていないならば。
私はほとんどの正規表現を書き始めたが、私はまた、潜在的に終了タグとして評価でき、テキストを含む（例えば、属性値など）のコメントと文字列を無視しなければならないことを認識した後、あきらめた：
$string = "<html>
<body>
<h1>
<b>aaa</b> bbbb
<!--</h1> maybe it's silly to have such a comment but who knows-->
";
これは本当に問題ではありません。コメントを削除し、新しい文字列を新しい変数に格納して正規表現を実行します。 – usoban
私のアドバイスは、正規表現ではなく、実際のパーサーを使用することです。
私はそれも考えましたが、彼の入力はほとんどソースコードが無効であるようです。あなたが私に尋ねるならば、それを解析することは非常にスマートな動きではありません。 –
私たちのソフトウェアではhtmlpurifierを使用して、ユーザーが送信した無効なコードを修正しています。それはhtmlpurifierの主なタスクです。 –
はい、彼は壊れたコードを修正したくありません。彼の入力は壊れたコードであり、彼はそれを使用したいと思っています。パーサーが問題を修正し、結果を変更します。だから私はパーサーを使うことに反対して投票します。 –
以下のコードは、構文解析を行うために正規表現のカップルを使用しています。実際の世界のhtmlは、タグやコードの中にランダムなスペースやタブetzを挿入すると簡単に壊れるかもしれないことに注意してください。以下のコードには、問題コードを実行するための一連のテストケースが含まれています。
ここでのアイデアは、まずhtmlをクリーンアップしてから、終了タグでタグを削除し、最後に利用可能な最後のタグを戻すことです。
<html>
<head><title>Last Open HTML Tag</title>
<body>
<h1>Last Open HTML Tag</h1>
<?php
$htmlstrings[] ="<html>
<body>
<h1>
<b>aaa</b> bbbb
";
$htmlstrings[] ="<html>
<body>
<h3>test</h3>
<h1>
<b>aaa <i>test2</i></b> <i>test</i> bbbb
";
$htmlstrings[] = "<body>
<img src='' alt=
";
$htmlstrings[] = "<body>
< img src='' alt=
";
$num = 1;
foreach($htmlstrings as $rawstring){
// First remove whitespace in tags
$string = preg_replace ("/<\s*(\w)/", "<$1", $rawstring);
// $string = preg_replace ("/<\s*/\s*(\w)/", "</$1", $string);
$real_matches = array();
// Find open html tag (<a ...)
if(preg_match("/<(\w*)\W[^><]*$/", $string, $matches) > 0){
$real_matches = $matches;
// Find html tag with no end tag (<h1>...)
} else {
$newstrin = null;
while(true){
$newstring = preg_replace("/<(\\w*)>[^<>]*<\\/\\1>/s", "", $string);
if($newstring == $string){
break;
}
$string = $newstring;
}
preg_match("/<(\\w*)>[^<>]*$/", $newstring, $matches);
$real_matches = $matches;
}
echo "<p>Parse $num\n";
$rawstring = preg_replace ("/</is", "<", $rawstring);
$rawstring = preg_replace ("/>/is", ">", $rawstring);
echo "<br>$rawstring\n";
foreach($real_matches as $match){
$result = preg_replace ("/</is", "<", $match);
$result = preg_replace ("/>/is", ">", $result);
echo "<br>" . $result . "\n";
}
$num++;
echo "<br>LAST OPEN TAG: " . $matches[1] . "\n";
}
?>
</body>
</html>
...「閉鎖されていない」とはどういう意味ですか？最初の例では、 '
' *要素*は '
'が存在しないため、閉じられていません。 2番目の例では、 '