正規表現の書き方について教えてください。

PHPのpreg_match_allでwebスクレイピングを試みていて、
正規表現の書き方を思いつかなかったため質問いたします。

以下のようなHTMLに対して、
日付と日付の間のコンテンツを抽出し、
その抽出した情報を、日付と関連付けさせることは可能でしょうか。

<body> <h2>12月10日</h2> <p>今日の天気は晴れ</p> <h2>12月11日</h2> <p>今日やりたいこと</p> <ul> <li>映画鑑賞</li> <li>読書</li> <li>料理</li> </ul> <h2>12月12日</h2> <p>模試の結果</p> <table> <tr> <th>英語</th> <td>185点</td> </tr> <tr> <th>国語</th> <td>160点</td> </tr> </table> </body>

見出しを抽出するだけであれば、<h2>([0-9]+月[0-9]+日)</h2>で事足りることはわかるのですが、
間のコンテンツを拾う方法を思いつきませんでした。

宜しくお願い致します。
質問の意図が不明瞭ということであれば御指摘ください。

yambejp

2016/12/19 00:17 編集

具体的にどういった結果を期待しているのでしょうか？配列で受け日付をキーにしたjsonデータとか？

行動規範の内容に同意します

回答1件

HTML を1行ずつ読む処理をするとして、

日付である行を見つけたら、次に日付である行までをひとまとめにして関連付ける

のですよね。

PHP
1$fp = fopen(ファイル名, 'r');
2$lines = array();
3$date = '';
4$result = array();
5while (!feof($fp)) {
6  $line = fgets($fp);
7  if (preg_match('<h2>([0-9]+月[0-9]+日</h2>', $line, $matches)) {
8    if ($date != '') {
9      // 前回の <h2> からこの直前までが $date の詳細情報
10      $result[$date] = $lines;     
11    }
12    $date = $matches[1];
13    $lines = array();
14  } else if ($line == '</body>') {
15    // データ部分終了なので打ち切り
16    break;
17  } else if ($date != '') {
18      $lines[] = $line;
19  }
20}
21// 最後の <h2> の部分はまだ登録されていないので、その分を登録
22$result[$date] = $lines;
23fclose($fp);