質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

87.80%

PHPのSimple HTML DOM Parserで正規表現でfind

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 1,735

score 55

やりたいこと

PHPのSimple HTML DOM Parserを用いてfindをするとき、正規表現で探したい。

<?php
require_once 'simple_html_dom.php';
mb_language('Japanese');
$url = "httpなんとかかんとか";
$buf = mb_convert_encoding(file_get_contents($url), 'UTF-8','auto');
$dom = str_get_html($buf);
echo $dom
foreach($dom->find( '[id=comment]') as $key => $element ){
 $element->outertext = '';
}
echo $dom;


このようにすればurl先のhtmlのidがcommentの部分を削除できると思います。ただ、例えばidがCommentやcomMENTなどのように大文字小文字を無視してfindしたいのですが、ここで正規表現は使えるでしょうか?そもそも正規表現を使えばいいと思っていたのですが、

$buf = preg_replace("/<([\w]+)[^>]*?comment.*?>.*?<\/\\1>/ius","",$buf);


このようにしてしまうとタグが入れ子になった時などに予期しない削除となってしまうため、質問しました。
どうしても正規表現でfindしたい場合は、正規表現でマッチするか探して1つずつfindしていくといった方法になるのでしょうか?

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

0

以下のようにまずはpreg_match_allで大文字小文字を区別しないcommentのパターンを抽出して、そのパターンすべてでfindしてはどうでしょうか
※若干処理は無駄ですが、実装はわりと簡単です。

<?php
require_once 'simple_html_dom.php';
$html = "<html><body><div id='comment'></div><p></p><div id='Comment'></div><body></html>";
preg_match_all("/comment/ius", $html, $matches);
$dom = str_get_html($html);
foreach($matches[0] as $id) {
    foreach($dom->find("[id=$id]") as $key => $element ) {
        $element->outertext = '';
    }
}
echo $dom . "\n";

(改良版)
findをループするのではなく、カンマ区切りで複数指定する方法が多分パフォーマンスはいいと思うので、以下のようにしてみました。

<?php
require_once 'simple_html_dom.php';
$html = "<html><body><div id='comment'></div><p></p><div id='Comment'></div><body></html>";
preg_match_all("/comment/ius", $html, $matches);
$dom = str_get_html($html);
$patterns = array();
foreach($matches[0] as $id) {
    $patterns[] = "[id=$id]";
}
foreach($dom->find(implode(',', $patterns)) as $key => $element ) {
    $element->outertext = '';
}
echo $dom . "\n";

(追記) これが正解かもしれません
さらに調べていたら(コードを読んでいたら)、findの第三引数をtrueにすると大文字小文字を区別しないで検索できるみたいでした...公式ドキュメントには書いてなさそうだったので、よくテストしてみてください

<?php
require_once 'simple_html_dom.php';
$html = "<html><body><div id='comment'></div><p>AAA</p><div id='Comment'></div><body></html>";
$dom = str_get_html($html);
foreach($dom->find("[id=comment]", null, true) as $key => $element ) {
    $element->outertext = '';
}
echo $dom . "\n";

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2016/11/17 14:14

    返事が遅くなってしまい申し訳ありません。
    実の所大文字小文字だけではなく、「コメントと思われるものをできるだけ取り除く」といったことがしたかったので、正規表現でマッチさせる方法が良さそうだと思いました。第三引数についての情報もとても助かりました。ありがとうございました。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 87.80%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る