regexp inhalt der html attribute auslesen

[schlimmerfinger]

Hallo!

Kann mir jemand bzg. RegExp weiterhelfen. Ich versuche den Inhalt von einem bestimmten
HTML Attribut auszulesen. Doch irgendwie will mir das nicht so recht gelingen.

$str = '<form action="blah.php" method="get"></form>';

function getAttributeValue($str, $attr) {
    $retval = '';

    $res = preg_match(
        sprintf(
            '/%s\\s?=\\s?["\\\']?(.*)["\\\']?/is',
            $attr
        ),
        $str,
        $matches
    );

    if ($res) {
        print_r($matches);
    }
}

getAttributeValue($str, 'method'); 

Das momentane Ergebnis ist:

Array
(
    [0] => method="get"></form>
    [1] => get"></form>
) 

Da RegExp wieder mal zu gierig ist, benutze ich noch zusätzlich den [FONT=courier new]U[/FONT] modifier.

'/%s\s?=\s?["\\']?(.*)["\\']?/isU',

Doch dann erhalte ich folgendes als Ergebnis.

Array
(
    [0] => method=
    [1] => 
) 

Was mache ich nicht richtig.

[Shurakai]

Die ? bedeuten, dass das MINIMUM 0 ist, d.h. es ist optional

Ersetze die ? die nach deinen Zeichenklassen kommen mal durch ein + -> das sagt, es MUSS mindestens 1x vorkommen, sonst matcht der RegEx nicht....

[schlimmerfinger]

Original geschrieben von Shurakai
Die ? bedeuten, dass das MINIMUM 0 ist, d.h. es ist optional

Ersetze die ? die nach deinen Zeichenklassen kommen mal durch ein + -> das sagt, es MUSS mindestens 1x vorkommen, sonst matcht der RegEx nicht....

Danke für die Antwort. Das die Hochkommata/Anführungszeichen optional sind,
ist absichtlich. Ich will mir jede möglichkeit offen halten. Sprich

$str[] = '<form action = "blah.php" method="get"></form>';
$str[] = '<form action =blah.php method="get"></form>';
$str[] = '<form action=\'blah.php\' method="get"></form>';
$str[] = '<form 
action = \'blah.php\'
method="get"></form>';

Sry war mein Fehler hätte es vorher erwähnen sollen.

[derHund]

probier mal

#action\s*=\s*(\'|\")?(?(1)(.*?)\1|([^ >]*))#is

funktioniert mit deinen 4 teststrings da oben.

einziges problem dürfte sein, daß, sollten " oder ' verwendet wurden sein, der inhalt in \2, sonst in \3 steht ... aber naja.

[schlimmerfinger]

Original geschrieben von derHund
probier mal

#action\s*=\s*(\'|\")?(?(1)(.*?)\1|([^ >]*))#is

funktioniert mit deinen 4 teststrings da oben.

einziges problem dürfte sein, daß, sollten " oder ' verwendet wurden sein, der inhalt in \2, sonst in \3 steht ... aber naja.

Hat geklappt. Danke. Zwar ist der Inhlat bei mir immer in \3 gewesen aber nun gut.
Könntest du mir bitte diesen Teil erklären

([^ >]*)

Ich steig da jetzt nicht dahinter.

[wahsaga]

Original geschrieben von derHund
einziges problem dürfte sein, daß, sollten " oder ' verwendet wurden sein, der inhalt in \2, sonst in \3 steht ... aber naja.

dann pack ' und " doch in eine zeichenklasse, statt in runde klammern - dann sollte ja keine backreference erzeugt werden.

[schlimmerfinger]

Original geschrieben von wahsaga
dann pack ' und " doch in eine zeichenklasse, statt in runde klammern - dann sollte ja keine backreference erzeugt werden.

#%s\s*=\s*(?(?=['\"]?)(\S.*)['\"]|([^\s]*))#isU

Die bedingung ist nun immer wahr!? Warum.

[schlimmerfinger]

So in großem und Ganzen denke ich das es weitesgehend funktioniert.

$str = '<form action=\'blah.php\' method=get></form>';

function getAttributeValue($str, $attr) {
    $retval = '';
    $pattern = sprintf(
            "#%s\s*=\s*(?(?=['\"])['\"](\S*)['\"]|([^\s>\/>]*))#is",
            $attr
    );

    if (preg_match($pattern, $str, $matches) > 0) {
        print_r($matches);

        if (isset($matches[2]) && !empty($matches[2])) {
            $retval = $matches[2];
        } else if (isset($matches[1]) && !empty($matches[1])) {
            $retval = $matches[1];
        }

        $retval = str_replace('"', '', $retval);
        $retval = str_replace("'", '', $retval);
    }
    
    return trim($retval);
}

print getAttributeValue($str, 'action');

[Shurakai]

Original geschrieben von schlimmerfinger
Hat geklappt. Danke. Zwar ist der Inhlat bei mir immer in \3 gewesen aber nun gut.
Könntest du mir bitte diesen Teil erklären

([^ >]*)

Ich steig da jetzt nicht dahinter.

Die Zeichenklasse ist negiert (verneint) durch das Circumflex am Anfang -> es besagt, dass alle Zeichen dort stehen dürfen außer das Leerzeichen bzw. das Größer-Als-Zeichen. Außerdem dürfen davon minimal 0, maximal unendlich viele Zeichen vorkommen.

[derHund]

dann pack ' und " doch in eine zeichenklasse, statt in runde klammern - dann sollte ja keine backreference erzeugt werden.

ich brauche das subpattern ja, .... einerseits, um das conditional subpattern verwenden zu können, andererseits um per backreference auf das passende, zweite ' oder " zu testen ...