如何用正则表达式提取HTML配对注释间的字符串？

嘿，我来帮你搞定这个需求！要提取<!--Q{N}-->和<!--Q{N}END-->这类配对注释之间的内容，然后整理成你指定格式的数组，咱们可以用PHP来实现，具体步骤如下：

1. 设计匹配配对注释的正则表达式 #

核心是利用反向引用确保注释的编号完全对应，正则表达式如下：

/<!--Q(\d+)-->(.*?)<!--Q\1END-->/s

各部分解释：

• <!--Q(\d+)-->：匹配开头注释，(\d+)捕获数字编号作为分组1，用来对应结尾注释的编号
• (.*?)：非贪婪模式匹配注释间的所有内容，避免匹配到其他注释
• <!--Q\1END-->：通过\1反向引用分组1的编号，确保和开头注释是同一组配对
• s修饰符：让.能匹配包括换行在内的所有字符，保留内容里的换行和HTML标签

2. PHP代码实现示例 #

用PHP的preg_match_all函数提取内容，再整理成目标数组：

<?php
// 示例输入的HTML内容
$html = '
<!--Q1-->フレンチブルドックと遊んでるとき<!--Q1END-->
<!--Q2-->表参道、新宿、銀座<!--Q2END-->
<!--Q3-->ヒューマンドラマ全般が好きです。<BR>
<BR>
好きなアーティスト サザンオールスターズ<!--Q3END-->
';

// 执行正则匹配，捕获所有配对的注释内容
preg_match_all('/<!--Q(\d+)-->(.*?)<!--Q\1END-->/s', $html, $matches);

// 整理成指定格式的数组
$data = [];
if (!empty($matches[1]) && !empty($matches[2])) {
    foreach ($matches[1] as $index => $key) {
        // 可选：去除内容前后的空白，不需要的话可以删掉trim()
        $content = trim($matches[2][$index]);
        $data[(int)$key] = $content;
    }
}

// 输出格式化后的结果
echo '<pre><code>$data = ' . var_export($data, true) . ';</code></pre>';
?>

3. 最终输出结果 #

运行代码后，会得到你想要的数组格式：

$data = array (
  1 => 'フレンチブルドックと遊んでるとき',
  2 => '表参道、新宿、銀座',
  3 => 'ヒューマンドラマ全般が好きです。<BR>
<BR>
好きなアーティスト サザンオールスターズ',
);

注意事项 #

• 这个方案仅适用于无嵌套、配对正确的注释，如果存在嵌套注释的情况，正则无法正确处理（正则不擅长解析嵌套结构，这种场景建议使用专业的HTML解析库）
• 如果需要保留内容前后的空白字符，直接去掉代码中的trim()函数即可

内容的提问来源于stack exchange，提问作者tarikul05