Regex Lookbehind mit Gruppe?

Anotherone · 02.11.2010, 13:37

Ich versuche gerade, schlechtes HTML zumindestens insofern heil zu machen, das öffnende Tags auch schließende haben und das bestimmte Elemente in anderen nix verloren haben. So kommt es z.B. vor, das hr oder center sich in tr oder table (und nicht in td) befindet (das Tabellen und center Rotz ist, steht außer Frage). Desweiteren gibt es gelegentlich td, die kein Ende haben, sprich kein /td, sondern es folgt das nächste td. Ich wollte dies nun mittels eines Regex beheben:

Code:

/((?<!<\/?t(r|d)>)\s*<td>)/

bzw.

Code:

/((?<!<tr>|<\/td>)\s*<td>)/

Verwende ich nur tr oder /td, dann geht es, aber nicht die Vereinigung beider. Geht das nicht oder übersehe ich da was? Ich habe auch schon ein wenig via Google gesucht, aber diesen speziellen Fall (so auf Anhieb) nirgendwo gefunden.

fab · 02.11.2010, 14:40

Erstmal scheint es mir als hättest du Klammern vergessen und zweitens kann (<tr>|<\/td>) ohnehin nicht als lookbehind funktionieren, da es keine feste Länge hat (notwendig!). Mit (<tr>|\/td>) müsste es funktionieren, wenn dir das genügt.

ChrisB · 02.11.2010, 15:03

Zitat:

Zitat von Anotherone

Ich versuche gerade, schlechtes HTML zumindestens insofern heil zu machen, das öffnende Tags auch schließende haben und das bestimmte Elemente in anderen nix verloren haben.

Da würde ich gar nicht erst mit regex rangehen, sondern tidy nutzen ...

Anotherone · 02.11.2010, 15:29

@ChrisB Tidy macht es leider nur schlimmer, das ist dann völlig zerrissen... Das HTML ist wohl dafür zu kaputt.

@fab Ich habe es auch mit Klammern probiert, gleiches Ergebnis. Aber das mit der Längengleichheit war wichtig, damit geht es, wenn ich alle Leerzeichen zwischen Tags entferne und die beliebigen Leerzeichen \s* danach weglasse (sonst findet er zuviel). Vielen Dank!

Asipak · 02.11.2010, 15:51

Zitat:

zweitens kann (<tr>|<\/td>) ohnehin nicht als lookbehind funktionieren, da es keine feste Länge hat (notwendig!)

Doch, das ist eine feste Länge. Probleme machen - glaube ich - nur die Quantifizierer.

Zitat:

das Tabellen [...] Rotz [sind], steht außer Frage

Blödsinn! Wenn du tabellarische Daten hast, sind diese auch als solche auszuzeichnen!

Ich kann das Problem nicht ganz nachvollziehen:

PHP-Code:

  $string = '<table><tr><td>sdfghsd

g<td>df,

ghdfkhf</td></tr><tr>

<td>leer<td>nicht leer</td>
</tr></table>';

echo preg_replace('/((?<!<tr>|<\/td>)\s*<td>)/', '</td><td>', $string);

funktioniert bei mir (jedenfalls so, wie ich das Problem verstanden habe).

Anotherone · 02.11.2010, 20:08

Eben keine tabellarischen Daten, sondern "Designtabellen". Und das ist (aus meiner Sicht) Murks, aber aktuell nicht mal eben zu ändern. Und da man gelegentlich den nicht hilfreichen Hinweis bekommen, doch auf sowas zu verzichten, wollte ich dem schonmal entgegenwirken. Ich gehöre nicht zu der Fraktion, die auf Krampf tabellarische Daten in DIV + CSS pressen (alles schon gesehen). Das Problem bei dem Regex ist, das er zuviel findet und ein /td nicht immer richtig ist, manchmal muss es ein öffnendes tr sein. Und mit dem Leerzeichen \s* fand er auch richtige Stellen, die einfach nur mehrere Leerzeichen haben, den das ist ja auch kein tr/td. Das Quantifizierer Streß machen, hatte ich auch gefunden.

Themen-Optionen
Druckbare Version zeigen Jemanden per E-Mail auf dieses Thema hinweisen
Thema bewerten
Thema bewerten:

Ähnliche Themen
Thema	Autor	Forum	Antworten	Letzter Beitrag
[Erledigt] Kleine Regex Frage	Bubelbub	PHP-Fortgeschrittene	8	25.07.2010 23:39
Alle vorkommen mit regex finden	terbaik	PHP Tipps 2010	6	09.06.2010 20:52
Regex: MD5 überprüfen	warkid	PHP Tipps 2010	10	02.04.2010 02:54
[Erledigt] regex \| variables wort herausfiltern	Knechtle	PHP Tipps 2010	6	05.03.2010 17:21
Probleme mit Regex	laub	PHP Tipps 2009	2	16.09.2009 11:33
Das Angreifen innerhalb der Gruppe ausschließen	Lesnivila	PHP Tipps 2009	4	06.03.2009 10:51
Array sortieren mit regex	Lupi	PHP Tipps 2008	3	21.07.2008 15:17
Regex: Auslesen der Meta-Tags einer Webseite Sucheingrenzung	pepe24	PHP Tipps 2008	12	31.05.2008 15:41
2 Regex in PHP kompatible Syntax übersetzen	NoiZy	PHP-Fortgeschrittene	6	07.04.2008 09:04
Regex Link Problem	Broadcast	PHP Tipps 2008	2	29.02.2008 16:30
[gelöst :D ] regex tuts nur einmal pro zeile	notyyy	PHP Tipps 2008	17	24.09.2007 15:40
RegEx für Mail-Adresse (Bitte prüfen!)	vollkommenegal	PHP Tipps 2006	13	20.11.2006 20:02
habe ein paar fragen zu REGEX	imported_kremser	PHP Tipps 2006	11	31.01.2006 15:30
RegEx findet Stringvorkommen nicht		PHP Tipps 2007	6	08.12.2005 21:52
Regex für attribute in quelltexten	robo47	PHP Tipps 2005	6	27.01.2005 18:29

02.11.2010, 13:37
Anotherone Benutzer Registriert seit: 31.03.2005 Beiträge: 80	Regex Lookbehind mit Gruppe? Ich versuche gerade, schlechtes HTML zumindestens insofern heil zu machen, das öffnende Tags auch schließende haben und das bestimmte Elemente in anderen nix verloren haben. So kommt es z.B. vor, das hr oder center sich in tr oder table (und nicht in td) befindet (das Tabellen und center Rotz ist, steht außer Frage). Desweiteren gibt es gelegentlich td, die kein Ende haben, sprich kein /td, sondern es folgt das nächste td. Ich wollte dies nun mittels eines Regex beheben: Code: /((?<!<\/?t(r\|d)>)\s<td>)/ bzw. Code: /((?<!<tr>\|<\/td>)\s<td>)/ Verwende ich nur tr oder /td, dann geht es, aber nicht die Vereinigung beider. Geht das nicht oder übersehe ich da was? Ich habe auch schon ein wenig via Google gesucht, aber diesen speziellen Fall (so auf Anhieb) nirgendwo gefunden.


Mister Ad PHP Code Flüsterer Registriert seit: 21.08.2005 Beiträge: 4682 PHP-Kenntnisse: Fortgeschritten

02.11.2010, 14:40
fab Erfahrener Benutzer Registriert seit: 28.07.2010 Beiträge: 2.308 PHP-Kenntnisse: Fortgeschritten	Erstmal scheint es mir als hättest du Klammern vergessen und zweitens kann (<tr>\|<\/td>) ohnehin nicht als lookbehind funktionieren, da es keine feste Länge hat (notwendig!). Mit (<tr>\|\/td>) müsste es funktionieren, wenn dir das genügt. __________________ PHP Blog + Library CSS Effects + Tools

02.11.2010, 15:29
Anotherone Benutzer Registriert seit: 31.03.2005 Beiträge: 80	@ChrisB Tidy macht es leider nur schlimmer, das ist dann völlig zerrissen... Das HTML ist wohl dafür zu kaputt. @fab Ich habe es auch mit Klammern probiert, gleiches Ergebnis. Aber das mit der Längengleichheit war wichtig, damit geht es, wenn ich alle Leerzeichen zwischen Tags entferne und die beliebigen Leerzeichen \s* danach weglasse (sonst findet er zuviel). Vielen Dank!

02.11.2010, 20:08
Anotherone Benutzer Registriert seit: 31.03.2005 Beiträge: 80	Eben keine tabellarischen Daten, sondern "Designtabellen". Und das ist (aus meiner Sicht) Murks, aber aktuell nicht mal eben zu ändern. Und da man gelegentlich den nicht hilfreichen Hinweis bekommen, doch auf sowas zu verzichten, wollte ich dem schonmal entgegenwirken. Ich gehöre nicht zu der Fraktion, die auf Krampf tabellarische Daten in DIV + CSS pressen (alles schon gesehen). Das Problem bei dem Regex ist, das er zuviel findet und ein /td nicht immer richtig ist, manchmal muss es ein öffnendes tr sein. Und mit dem Leerzeichen \s* fand er auch richtige Stellen, die einfach nur mehrere Leerzeichen haben, den das ist ja auch kein tr/td. Das Quantifizierer Streß machen, hatte ich auch gefunden.