正则表达式分析/提取XML/XHTML标签属性

直接看代码

<?php
#author: selfimpr
#blog: http://blog.csdn.net/lgg201
#mail: [e-mail]

$pattern	= <<< eot
/
<															#开始标签
	(?P<tagname>(?>\w+))									#标签名
	(?P<attr>												#单个属性子组
		(?>\s+)												#前置空白
		(?P<attr_name>\w+)									#属性名
		=													#赋值符号
		(?P<quote>(?P<single_quote>')|(?P<double_quote>"))	#读取包裹属性值的引号
		(?P<attr_value>										#值处理子组
			(?:												#将值分解处理: 分解为1) 偶数个转义字符的部分; 2) 单个转义字符+引号或非当前使用引号的字符
				(?P<slash>(?>(?:\\\\\\\\)*)*)				#消耗掉当前位置起偶数个转义字符
				(?P<chars>									#非转义字符自身的处理
					\\\\(?P=quote)|(?(5)[^']|[^"])			#这里用了分支, 一边是转义字符+引号, 另一边是条件匹配的非当前引号字符
				)
			)*												#对值进行的分组进行0次或多次处理
		)
		(?P=quote)											#引号闭合
	)*														#属性的重复
	\s*														#后置空白
\/?>														#标签闭合处理(这里的焦点在于对属性值的处理, 所以没有对</tagname>的方式进行处理)
/x
eot;

#示例输入
$content1	= <<< eot
<a href='\\\\\'aaaa\\\\"\\' alt='中国<a href=\\"www.baidu.com\'\\" >战神啊</a>共和国'>
eot;
$content2	= <<< eot
<a href="\\\\\"aaaa\\\\" alt="中华人民<a href=\\"www.baidu.com\\" >战神啊</a>共和国">
eot;

echo $pattern . chr(10);
preg_match($pattern, $content1, $matches);
print_r($matches);
preg_match($pattern, $content2, $matches);
print_r($matches);