嵌套正则表达式的结果

Question

我正在像这样解析一些 HTML

<h3>Movie1</h3>
<div class="time"><span>10:00</span><span>12:00</span></div>
<h3>Movie2</h3>
<div class="time"><span>13:00</span><span>15:00</span><span>18:00</span></div>

我希望结果数组看起来像这样

0 => 
  0 => Movie1
  1 => Movie2
1 =>
  0 => 
    0 => 10:00
    1 => 12:00
  1 => 
    0 => 13:00
    1 => 15:00
    2 => 18:00

我可以分两步完成

1) 通过正则表达式获取电影名称和整部电影的时间表

~<h3>(.*?)</h3>(?:.*?)<div class="time">(.*?)</div>~s

2) 像这样通过正则表达式获取时间（我在第 1 步获得的每部电影的循环中都这样做）

~<span>([0-9]{2}:[0-9]{2})</span>~s

而且效果很好。问题是：是否有一个正则表达式只需要一步就可以得到相同的结果？

我试过这样的嵌套组

~<h3>(.*?)</h3>(?:.*?)<div class="time">((<span>(.*?)</span>)*)</div>~s

而且我只得到每部电影的最后一次（只有 12:00 和 18:00）。

Answer 1

使用 DOMDocument：

$dom = new DOMDocument;
$dom->loadHTML($html);

$xpath = new DOMXPath($dom);

$nodeList = $xpath->query('//h3|//div[@class="time"]/span');
$result = array();
$currentMovie = -1;

foreach ($nodeList as $node) {
    if ($node->nodeName === 'h3') {
        $result[0][++$currentMovie] = $node->nodeValue;
        continue;
    }
    $result[1][$currentMovie][] = $node->nodeValue;
}

print_r($result);

注意：为了更严谨，可以将xpath查询改成：

//h3[following-sibling::div[@class="time"]] | //div[@class="time"]/span

嵌套正则表达式的结果

Nesting the result of regular expression

regex

html-parsing