Parsen einer HTML mit regulären Ausdrücken

[Pseudo123]

Hallo,

leider konnte ich bis jetzt keine saubere Lösung entwickeln.

Pattern: /([^<]+)|(?:<.*?class=([^ ]+).*?>(\w+)(<.*?class="([^ ]+?)".*?>(\w+?)<.*?>(\w+).*)*)/x
Haystack 1: <td class=x123 style='border-top:none;border-left:none'>abc<font class="font6">def</font><font class="font7">ghi</font>xxx</td>
Haystack 2: <td class=x123 style='border-top:none;border-left:none'>abc<font class="font6">def</font></td>
Haystack 3: <td class=x123 style='border-top:none;border-left:none'>abc</td>

Gewünschtes Resultat bei Haystack 1:
$font[0]['font'] = 'x123';
$font[0]['text'] = 'abc';
$font[1]['font'] = 'font6';
$font[1]['text'] = 'def';
$font[2]['font'] = 'font7';
$font[2]['text'] = 'ghi';
$font[3]['font'] = 'x123';
$font[3]['text'] = 'xxx';

Wie muss mein Pattern aussehen?

Es geht um eine Erweiterung der Anwendung, bin somit auf die regulären Ausdrücke angewiesen und habe keine Möglichkeit DOM zu verwenden, vielen Dank.

Viele Grüße

 

[Gumbo]

Reguläre Ausdrücke eignen sich nicht, um eine kontextfreie Sprache wie HTML zu parsen. Verwende lieber einen richtigen Parser wie DOMDocument und dessen loadHTML()-Methode.