Как удалить часть слов?

Question

[sotex2]

Как сделать регулярное выражения для поиска в самом коде DOM. границу для захвата я беру -

<div class="fw-bold">Финансовая отчетность за 2024 год</div>

и нужна регулярка, чтобы искала по слову "Финансовая отчетность", а все что после удалялось (не учитывалось), так как на разных страницах может поменяться хвост. например здесь - "за 2024 год", а на другой страницы может быть другой год например - "за 2022 год".

Comments

[DENIS Kokorev]

Приведите пример более полно. Что есть, и что надо получить. Что за граница для захвата? Захвата чего?

[sotex2]

<div class="fw-bold">Финансовая отчетность за 2024 год</div>

нужна регулярка, чтобы при парсинге после слова Финансовая отчетность, не учитывались буквы и цифры. чтобы при применения регулярки поиск на странице DOM происходил по вхождению - <div class="fw-bold">Финансовая отчетность</div>

Answer 1

[Виктор Таран]

regexp для этого не совсем подходит есть соответствующие библиотеки для каждого языка.
Правельно было бы пользовать именно их

<div\s+class=["']fw-bold["']\s*>\s*(Финансовая отчетность)(?:\s+.*)?<\/div>

— ищет тег с классом "fw-bold", допускает наличие пробелов и кавычек.
\s* — допускает пробелы перед содержимым.
(Финансовая отчетность) — захватывает нужную часть текста.
(?:\s+.*)? — необязательная не захватывающая группа, которая включает все, что идет после нужной части, например, "за 2024 год".
<\/div> — закрывающий тег .

<?php

$html = '
<div class="fw-bold">Финансовая отчетность за 2024 год</div>
';

$pattern = '/(<div\s+class=["\']fw-bold["\']\s*>)(.*?Финансовая отчетность)(?:\s+.*)?(<\/div>)/i';

// Замена: оставляем только начало, нужный текст и закрывающий тег
$replacement = '$1$2$3';

$result = preg_replace($pattern, $replacement, $html);

echo $result;
?>

Comments

[sotex2]

не работает первый код, второй не проверял, так как такой не подходит.

<div\s+class=["']fw-bold["']\s*>\s*(Финансовая отчетность)(?:\s+.*)?<\/div>

работает только мой код ниже, но что-то он громозкий мне кажется.

(?<=<div\ class="fw-bold">Финансовая\ отчетность\ .*\ .*\ .*</div>)[\w\W]*?(?=</div>)

[Виктор Таран]

sotex2,

Пример с использованием стандартного DOMDocument (пример создан на GPT)

<?php

$html = '<div class="fw-bold">Финансовая отчетность за 2024 год</div>';

$dom = new DOMDocument();
// Для корректной загрузки фрагментов HTML
libxml_use_internal_errors(true);
$dom->loadHTML(mb_convert_encoding($html, 'HTML-ENTITIES', 'UTF-8'));

// Находим все div с нужным классом
$xpath = new DOMXPath($dom);
foreach ($xpath->query('//div[contains(@class, "fw-bold")]') as $node) {
    $content = $node->nodeValue;
    $needle = 'Финансовая отчетность';
    // Оставляем только кусок до "за 2024..."
    if (mb_strpos($content, $needle) !== false) {
        // Если нужно оставить только подстроку до конца ключевой фразы:
        // $node->nodeValue = $needle;

        // Если нужно оставить этот текст, а всё, что после - удалить:
        $node->nodeValue = $needle;
    }
}

// Получаем обновленное HTML:
$newHtml = $dom->saveHTML($dom->getElementsByTagName('div')->item(0));
echo $newHtml;

Обрати внимание что при таком подходе ты можешь делать что угодно с дивом, и правило все-равно будет работать.
Такой способ куда гибче и не нужно парится пробелами отступами и тд в классах дивах, он хорошо работает с самой дом моделью ибо регулярки не всегда могут справиться с сложным парсингом без километровых портянок ( хотя я как быдло пишу именно так, Но мне просто их писать так что я не парюсь, хотя и если парсить и менять контент на сайте этот метод более православный.
Но опять же все ситуативно.

вот кстати вариант с регуляркой лучше смотреть и делать тут
https://regex101.com/r/PMrLTp/1