preg_match атрибуты тегов

[venetu]

Вопрос мой скорее для раздела RegExps, но учитывая общий уровень нынешнего Нуледа, здесь единственный шанс, что кто-то ответит по теме. Потом можно будет перенести тред туда (если ответят!). Итак,

Мне нужно выцепить все style= из html. Не <style>..</style>, а именно значения атрибута style у всех тегов. Т.е. поймать всякие

<a style=border:0>
<table style= "padding:0; background:url('img.jpg') 0 0 no-repeat">
<div style=' font-face:"Times New Roman" '>
<div style =
"font-face:\"Times New Roman\"">
и т.д.

Строим регексп:

\s+ перед style обязательно стоит минимум один пробельный символ
style собственно слово "style"
\s*=\s* "равно", возможно разделенное пробельными символами

теперь дальше начинается шаманство:

["']? если начинается с кавычки, то мы должны дойти до конца пока не встретим такую же кавычку

если же открывающей кавычки не было - мы идем пока не найдем пробел, таб или закрывающий тег символ >

Дальше у нас собственно паттерн поиска, который зависит от предыдущего шага (Conditional subpattern). Т.е. мы ищем или
(1) такую же кавычку, или
(2) пробел или >

"Такая же" кавычка записывается как \1 - Back-reference на первую. Т.е. если начиналось на одинарную, то дальше мы ищем только одинарные, если начиналось с двойной - будем искать двойные. Здесь есть нюанс, что перед кавычкой не должно быть \ или их должно быть четное количество. Это можно записать как

[^\\](\\\\)*\1 т.е. не бекслеш, потом 0 или более пар бекслешей и \1 - "референс на предыдущую кавычку".

Если же паттерн не начинался с кавычек, то тут все просто

[^>\s]+ - не закрытие тега и не таб, пробел, перевод строки и другой пробельный символ.


Ну и в общем теперь, собственно, вопрос: помогите это все собрать в кучу.


PS: Пожалуйста не предлагайте DOMDocument, PHPQuery и пр. Я про них знаю, с ними данная задача решается элементарно.

 

[KillDead]

мне кажется что нужно объять необъятное) если ещё теоритически можно встретит без кавычек, то при использовании слешей - получится невалидный html который скорее всего и работать не будет нигде.
Хотя вот что то накропал на ночь глядя-

ob_start( );
?>
<style>
not
</style> 
 <a href="htp://1" style=border:1 class=""></a> 
 <a href="http://1" style="border:1" class=""></a>
 <a href="http://1" style = 'border:"2"'  class=""></a> 
 <a href="http://1" style = "border:\"3\" sss "  class=""></a>  
 <a href="http://1" style = "border:\\\"4\\\""  class=""></a>   
<?php
$e = ob_get_contents();
ob_end_clean();
preg_match_all('~\sstyle\s*=\s*([\'"])?
    (?(1)  
        ([^\\\]+?
            (
           (\\\ \1)
               |
           (\\\(\\\\\\\)* \1)
            )?
         )*?
        ((\\\\\\\)*)?
      \1 
      |
      (.*?)\s
    )~isx', $e, $html );
print_r($html);

посмотри, возможно какой нибуть случай не учёл. + есть предположение что дум парсеры не используются из-за скорости, я не уверен что это выражение будет очень быстрым- есть вариант найти все строки style=[^>]*?> и посимвольно разобрать из в пхп.