0

Boa tarde, Eu tenho uma string que recebo do banco de dados

<!DOCTYPE html> <html> <head> </head> <body> <div> </div> <div> </div> <div> <h3> </h3> <p> </p> <p> </p> <p> </p> <p> </p> <p> </p> <br /><br /><br /><br /><br /><br /> <h6> </h6> <br /><br /><br /><br /> <p>Portaria n&ordm; 69 de 18/01/2017 - Publicada no DOU de 19/01/2017</p> <br /> <h3>Certificamos que</h3> <h5>{NOME_ALUNO}</h5> <h3>concluiu em {DT_APR} o <br />{NOME_CURSO}<br />realizado pela ---- na qualidade de aluno(a), perfazendo um total de {CARGA_HOR} horas.</h3> <h3><em> </em></h3> <h4><em>Cidade </em>{DATE_EXT}<em> .</em></h4> </div> </body> </html>

e estou tentando fazer um regex nesta string preg_match('/^<!\w+\s\w+>\s<\w+>\s<\w+>\s<\/\w+>/', $texto);

porém ele sempre retorna 0, e se eu testo a regex em sites como https://regexr.com/ ele me retorna o resultado esperado.

Alguém pode apontar meu erro?

Obrigado.

16
  • 1
    O correto é preg_match('/^<!\w+\s\w+>\s<\w+>\s<\w+>\s<\/\w+>/', $texto, $output); var_dump($output);. Está retornando "0" pois, provavelmente, não está capturando o resultado. Commented 27/09/2018 às 21:03
  • 2
    Fazer parse de html com regex é simplesmente errado, e é normal que não resolva todos os casos que quer. Pergunta relacionada Por que Regex não deve ser utilizado para tratar HTML?
    – Isac
    Commented 27/09/2018 às 21:23
  • 1
    Na minha humilde opinião, o correto mesmo é usar um parser de HTML (a menos que você tenha certeza absoluta que as strings sempre começam exatamente com <!DOCTYPE html> <html> <head> </head>). Mas se tiver qualquer coisa dentro do head, por exemplo, a regex já não funciona. Se não tiver exatamente 1 espaço entre as tags, se tiver algum comentário, se tiver atributos (<html lang="en">), etc etc.. Eu entendo a "tentação" de usar regex, parece tão fácil e rápido (e muitas vezes é mesmo), mas para parsing de HTML, é melhor usar parsers específicos: stackoverflow.com/a/1732454
    – hkotsubo
    Commented 27/09/2018 às 21:26
  • 1
    @hkotsubo hehe, eu mesmo ia colocar esse mitico link mas depois acabei não o fazendo! Mas alguem salvou o dia :D. Boa leitura para qualquer pessoa!
    – Isac
    Commented 27/09/2018 às 21:31
  • 1
    @sam Como eu disse, se existe a "certeza absoluta" que as strings sempre estarão nesse formato, a regex serve. Mas se pode vir qualquer HTML (com as variações que mencionei) aí é melhor usar um parser, pois a regex pode acabar ficando complicada demais. A maioria dos parsers dá a opção de manipular o DOM (que no fim é o que ele quer fazer, remover algumas tags). Não sou contra regex, sou contra usar a ferramenta menos adequada para cada caso :-)
    – hkotsubo
    Commented 27/09/2018 às 21:33

1 Resposta 1

4

Explicando o preg_match:

A função preg_match() aceita 5 parâmetros, sendo os dois primeiros obrigatórios.

  • O primeiro parâmetro é a expressão regular ($pattern).
  • O segundo parâmetro é a string onde pesquisaremos a expressão ($subject).
  • O terceiro parâmetro é um array que armazenará o termo que casou ($matches).

fiz um teste com o seu código e veja o que deu:

$texto = "<!DOCTYPE html> <html> <head> </head> <body> <div> </div> <div> </div> <div> <h3> </h3> <p> </p> <p> </p> <p> </p> <p> </p> <p> </p> <br /><br /><br /><br /><br /><br /> <h6> </h6> <br /><br /><br /><br /> <p>Portaria nº 69 de 18/01/2017 - Publicada no DOU de 19/01/2017</p> <br /> <h3>Certificamos que</h3> <h5>{NOME_ALUNO}</h5> <h3>concluiu em {DT_APR} o <br />{NOME_CURSO}<br />realizado pela ---- na qualidade de aluno(a), perfazendo um total de {CARGA_HOR} horas.</h3> <h3><em> </em></h3> <h4><em>Cidade </em>{DATE_EXT}<em> .</em></h4> </div> </body> </html>";

$matches = array();

$resultado = preg_match('/^<!\w+\s\w+>\s<\w+>\s<\w+>\s<\/\w+>/', $texto, $matches);

var_dump($resultado, $matches);

Dando um var_dump veja o resultado:

int(1) array(1) { [0]=> string(37) " " }

Explicando o que você está tentando com seu REGEX:

^ Indica que é a posição inicial da string

<! encontra todos os caracteres literais <! (case sensitive)

\w+ Encontra qualquer caracter (que contenha o seguinte padrão [a-zA-Z0-9_])

+ Quantificador — Encontra uma ou mais vezes, quantas vezes forem possíveis, voltando atrás se necessário (greedy)

\s Encontra qualquer espaço em branco (pode ser [\r\n\t\f\v ])

\w+ Encontra qualquer caracter (que contenha o seguinte padrão [a-zA-Z0-9_])

+ Quantificador — Encontra uma ou mais vezes, quantas vezes forem possíveis, voltando atrás se necessário (greedy)

> Encontra o caracter > (case sensitive)

\s busca por espaços vazios (pode ser [\r\n\t\f\v ])

< Encontra o caracter < (case sensitive)

\w+ Encontra qualquer caracter (que contenha o seguinte padrão [a-zA-Z0-9_])

+ Quantificador — Encontra uma ou mais vezes, quantas vezes forem possíveis, voltando atrás se necessário (greedy)

> Encontra o caracter > (case sensitive)

\s busca por espaços vazios (pode ser [\r\n\t\f\v ])

< Encontra o caracter < (case sensitive)

\w+ Encontra qualquer caracter (que contenha o seguinte padrão [a-zA-Z0-9_])

> Encontra o caracter > (case sensitive)

\s busca por espaços vazios (pode ser [\r\n\t\f\v ])

< Encontra o caracter < (case sensitive)

\/ Encontra o caracter / (case sensitive)

\w+ Encontra qualquer caracter (que contenha o seguinte padrão [a-zA-Z0-9_])

> Encontra o caracter > (case sensitive)

ao juntar tudo isso temos o seu regex /^<!\w+\s\w+>\s<\w+>\s<\w+>\s<\/\w+>/

Se o que você está querendo é remover as tags HTML de uma string basta usar a função strip_tags():

(PHP 4, PHP 5, PHP 7)

strip_tags — Retira as tags HTML e PHP de uma string

strip_tags ( string $str [, string $allowable_tags ] )

Parâmetros

str A string de entrada.

allowable_tags Você pode utilizar o segundo parâmetro, que é opcional, para indicar tags que não devam ser retiradas.

Nota:

Comentários HTML e tags PHP também são retirados. E isto não pode ser modificado com allowable_tags.

Exemplo strip_tags()

<?php
$text = '<p>Test paragraph.</p><!-- Comment --> <a href="#fragment">Other text</a>';
echo strip_tags($text);
echo "\n";

// Allow <p> and <a>
echo strip_tags($text, '<p><a>');
?>

O exemplo acima irá imprimir:

Test paragraph. Other text
<p>Test paragraph.</p> <a href="#fragment">Other text</a>

Referencia: PHP: strip_tags

2
  • Vou tentar fazer dessa forma. Obrigado! Commented 27/09/2018 às 22:15
  • 1
    Funcionou com strip_tags. Muito Obrigado!! Commented 28/09/2018 às 11:55

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .