RegEx-Problem

[Danny]

Hallo,

es soll ein Teilstring in Anführungszeichen ermittelt werden. Zugelassen sind " und ' wobei innerhalb der Anführungszeichen diese auch maskiert vorkommen können. Bsp:

<a href="foo.html" title="das ist ein "Test" id="test">

Wie gebe ich dem RegEx-Interpreter zu verstehen, das der Teil von " oder ' bis zum nächsten solchen Anführungszeichen incl. maskierter Anführungszeichen gespeichert werden soll ?

Mein Ansatz:

(\s+)  # 1. Leerzeichen vor Attrname (muß min. 1)
(\S+)  # 2. Attrname
(\s*)  # 3. Leerzeichen vor Gleichzeichen (kann)
=
(\s*)  # 4. Leerzeichen vor Anführungszeichen (kann)
(["'])?  # 5. Anführungszeichen (kann)
(?(5) # wenn Anführungszeichen
  (.*?)\5  # dann Attrwert = Zeichenkette bis zum nächsten Anführungszeichen
  | ([^\s>]+)  # sonst Attrwert = Zeichenkette bis zum nächsten Leerzeichen, bzw. Tagende

Das Problem:

(.*?)\5
Damit wird ja der kürzeste Weg gewählt, also nur z.B. " bis " gesucht und nicht von " über " bis "
Lasse ich das Fragezeichen jedoch weg, funktioniert es auch nicht, die einzelnen Attribute werden nicht mehr einzeln erkannt...

Trotz nachschlagen im PHP-Manual komme ich nicht drauf.

MfG

[lois]

hi,

in perl würde das so ausschauen:

$string = qq{dfaksdjföaksjdfaöskdf lsk dfkjd f klsdf  anf "d asödf "jsdflajsdf" öklsadfj sdfj" end werjj wer wer wjer};

$string =~ s/"(.*)"//;
           ^ ist in php die funktion ereg_replace
print $1;

php-regex:
http://www.phpfreaks.com/tutorials/52/0.php
http://www.phpfreaks.com/tutorials/63/0.php

lg, lois

[lois]

$string =~ s/"(.*)"//;
           ^ ist in php die funktion ereg_replace
print $1;

um $1 verwenden zu können können musst du vielleicht statten ereg_replace preg_replace verwenden (perl compatibel - ist etwas her bei mir mit php)
$a=preg_replace('/"(.*)"/','');
$string = $1;

[Danny]

Hi,

danke für den Tipp! Das funktioniert aber so nicht, eben weil " auch in der Zeichenfolge " vorkommt und der komplette Bereich von " über " bis " gesucht wird... Außerdem kann ich auch nicht nach " und folgendem Leerzeichen als Ende suchen, womit das Problem evtl. umgangen werden könnte, weil ja auch mal z.B. "foo" bar" vorkommmen kann. Eine Lösung wäre die Zeichenfolge " durch &quote; temporär zu ersetzen oder ein paar String-Funktionen zu benutzen, was ich auch gleich mal ausprobieren werde.

MfG

[Christian H.]

Hallo Danny,

es soll ein Teilstring in Anführungszeichen ermittelt werden. Zugelassen sind " und ' wobei innerhalb der Anführungszeichen diese auch maskiert vorkommen können. Bsp:

<a href="foo.html" title="das ist ein "Test" id="test">

ich habe mal ein wenig rumgespielt. Jetzt bin ich aber zu müde, ab hier kannst du weiter machen.

<?php  error_reporting(E_ALL);
header("Content-type: text/plain ");
define ( 'nl' , "\n" ) ;
// ---------------------------------

$html ='<a href = "foo.html" title= "das \\ist ein \"Test" id ="test" blub = "" >' ;
echo $html . nl.nl ;

$pattern = '#(\S+)\s*=\s*(""|"\\\\"|"[^"\\]"|"[^"].*?[^\\]")#s';
echo '$pattern = '.$pattern .nl.nl ;

preg_match_all ($pattern , $html , $matches ) ;

print_r ( $matches );

/* Ausgabe
Array
(
    [0] => Array
        (
            [0] => href = "foo.html"
            [1] => title= "das \ist ein "Test"
            [2] => id ="test"
            [3] => blub = ""
        )

[1] => Array
        (
            [0] => href
            [1] => title
            [2] => id
            [3] => blub
        )

[2] => Array
        (
            [0] => "foo.html"
            [1] => "das \ist ein "Test"
            [2] => "test"
            [3] => ""
        )

)

*/
?>

Gruß
  Christian

[Danny]

Cool! Tausend Dank! :)