phpの正規表現による、ネストしたhtmlでも正しくマッチする方法

Question

phpの正規表現について質問させてください。

<table>
    <tr><th>項目</th><td>内容</td></tr>
    <tr><th>項目</th><td>内容</td></tr>
    <tr>
        <th>項目</th>
        <td>
        <table>
            <tr><th>項目</th><td>内容</td></tr>
            <tr><th>項目</th><td>内容</td></tr>
            <tr><th>項目</th><td>内容</td></tr>
        </table>
        </td>
    </tr>
    <tr><th>項目</th><td>内容</td></tr>
</table>

```というhtmlに対して
```ここに言語を入力
<div class="wrapper"><table>
    <tr><th>項目</th><td>内容</td></tr>
    <tr><th>項目</th><td>内容</td></tr>
    <tr>
        <th>項目</th>
        <td>
        <table>
            <tr><th>項目</th><td>内容</td></tr>
            <tr><th>項目</th><td>内容</td></tr>
            <tr><th>項目</th><td>内容</td></tr>
        </table>
        </td>
    </tr>
    <tr><th>項目</th><td>内容</td></tr>
</table></div>
```と置き換える正規表現を模索中です。

単純に
```ここに言語を入力
'/<table(.*?)</table>/i'

としていたのですが、入れ子にした場合最短マッチのため子要素の閉じタグにマッチしてしまいます。

下記参照

<div class="wrapper"><table>
    <tr><th>項目</th><td>内容</td></tr>
    <tr><th>項目</th><td>内容</td></tr>
    <tr>
        <th>項目</th>
        <td>
        <table>
            <tr><th>項目</th><td>内容</td></tr>
            <tr><th>項目</th><td>内容</td></tr>
            <tr><th>項目</th><td>内容</td></tr>
        </table></div>
        </td>
    </tr>
    <tr><th>項目</th><td>内容</td></tr>
</table>

divタグなど他のタグでも同様で、
同じ子要素がある場合は親要素にマッチさせる方法はないでしょうか？

よろしくお願い致します。

Answer 1

正規表現でできないとはいいませんが、構造が複雑な場合は
DOMDocumentで掴むほうが楽です

Comments

[helloman]

DOMで操作しようと思います。
ありがとうございました。

Answer 2

そもそも論ですが、<pre>の中にそのまま<pre>と書くのは正しくありません。<pre>の中身といえども、タグを構成する<や>は、<や>と文字参照で書く必要があります。

Comments

[helloman]

<code></code>内を自動で置き換えていたので、そのまま貼ってしまいました。すいません。
例を<table></table>タグに置き換えました。

[maisumakun]

数学的に厳密な「正規表現」では、無限にネストしうるパターンを作ることは不可能です…が、PCREなどでそういうことを可能にしている拡張はあります。

http://php.net/manual/ja/regexp.reference.recursive.php#95568

ただし、正規表現でやるには複雑すぎる、のも間違いないので、DOMで処理するなどを考えたほうがいいかもしれません。

http://php.net/manual/ja/book.dom.php

[helloman]

改行がない場合にはマッチできたっぽいのですが、
DOMでの操作に切り替えようと思います。

ありがとうございました。

Answer 3

改行がなければこれでいけましたが、実用的でないので保留。

'/<(table)(.*?)>(.*[<table.*?</table>]*.*)</table>/i'