Как правильно составить регулярку (php, preg_grep)?

Question

[Araik Oganyan]

Доброго дня коллеги, просьба помочь с решением проблемы, к сожалению у меня довольно небольшие познания в регулярках и самостоятельно решить проблему не могу.

Суть вот в чем, есть html страница с текстовым содержимым, пример:

<tr>
    <th> Цвет</th>					
    <td>Синий</td>
</tr>
<tr>
    <th> Цвет кузова</th>					
    <td>Черный</td>
</tr>
<tr>
    <th> Цвет салона</th>					
    <td>Бежевый</td>
</tr>

Причем страниц много и где-то все цвета прописаны, где-то только цвет кузова, где-то цвет салон только, в общем везде по разному. Я пытаюсь спарсить это следующим образом:

$test_color_k = array_values(preg_grep('#Цвет кузова#', $test));
@$color_k[] = trim(str_replace('Цвет кузова', '', $test_color_k[0]));


$test_color_a = array_values(preg_grep('#Цвет#', $test));
@$color_a[] = trim(str_replace('Цвет', '', $test_color_a[0]));

Проблема вот в чем, никак не могу написать регулярку, которая бы вытаскивала только "Цвет", пробовал по всякому, никак не получается, все время цепляет первый попавший элемент, даже если там не "Цвет Черный", а "Цвет кузова Черный".
Просьба знающих людей помочь с решением проблемы.

Спасибо!

Answer 1

[Evgeny Svirsky]

Для данной задачи неплохо бы подошёл Symfony Crawler.
Скармливаете ему HTML и потом по нодам аналогично jQuery лазите. Будет очень удобно. Не уверен что тут регуляркой получится обойтись, но может кто сможет помочь.
Я бы заюзал краулер. Подключается как независимый компонент через composer к любому проекту.

Answer 2

[maikttt]

$str = <<<TEXT
<tr>
    <th> Цвет</th>					
    <td>Синий</td>
</tr>
<tr>
    <th> Цвет кузова</th>					
    <td>Черный</td>
</tr>
<tr>
    <th> Цвет салона</th>					
    <td>Бежевый</td>
</tr>
TEXT;

$m = preg_match_all('#<tr>(?:[\s\n]*)<th>(.*?)<\/th>(?:[\s\n]*)<td>(.*?)</td>(?:[\s\n]*)</tr>#', $str, $match);
$ret = [];
if ($m) {
    foreach ($match[1] as $i => $k) {
    	$ret[$k] = $match[2][$i];
    }
}

var_export($ret);

Comments

[Araik Oganyan]

Простите, только сейчас понял, что не правильно объяснил суть проблемы. Дело в том, что я парсю html с помощью XPATH, и далее уже работаю со строкам т.е. по факту, получается нужна регулярка для текстовых строк:
Цвет синий
Цвет кузова черный
Цвет салона бежевый

И важный момент, если один из параметров отсутствует, нужно записать пустое значение, чтобы ключи не сбились т.к. я по итогу записываю все в CSV

[maikttt]

Araik Oganyan: Думаю что то что хочешь делать будет сложно (или даже невозможно), если не знатьт точно есть или нет цвет, или не вводить дополнительные правила (например список слов из первои колонки, или список цветов - если конечно знаешь их за ране). Я бы посоветовал изменить правила по которым получаешь целые строки (получить значение цвета отделбно или добавить спец. знак между словами)