PHP Preg_match_all on XML/GML output on multiple lines

Question

I try to get match multiple lines of XML/GML output with preg_match_all() from a WFS service. I receive a bunch of data that is available on a public server for everyone to use. I tried to use the s and m flag, but with little luck. The data I receive looks likes this:

<zwr:resultaat>
  <zwr:objectBeginTijd>2012-09-18</zwr:objectBeginTijd>
  <zwr:resultaatHistorie>
    <zwr:datumInvoeren>2012-10-31</zwr:datumInvoeren>
    <zwr:invoerder>
      <zwr:voornaam>Joep</zwr:voornaam>
      <zwr:achternaam>Koning, de</zwr:achternaam>
      <zwr:email>jdekoning@hhdelfland.nl</zwr:email>
      <zwr:telefoon>015-2608166</zwr:telefoon>
      <zwr:organisatie>
        <zwr:bedrijfsnaam>Hoogheemraadschap van Delfland</zwr:bedrijfsnaam>
        <zwr:adres>
          <zwr:huisnummer>32</zwr:huisnummer>
          <zwr:postcode>2611AL</zwr:postcode>
          <zwr:straat>Phoenixstraat</zwr:straat>
          <zwr:woonplaats>DELFT</zwr:woonplaats>
        </zwr:adres>
        <zwr:email>info@hhdelfland.nl</zwr:email>
        <zwr:telefoon>(015) 260 81 08</zwr:telefoon>
        <zwr:website>http://www.hhdelfland.nl/</zwr:website>
      </zwr:organisatie>
    </zwr:invoerder>
  </zwr:resultaatHistorie>
  <zwr:risicoNiveau>false</zwr:risicoNiveau>
  <zwr:numeriekeWaarde>0.02</zwr:numeriekeWaarde>
  <zwr:eenheid>kubieke millimeter per liter</zwr:eenheid>
  <zwr:hoedanigheid>niet van toepassing</zwr:hoedanigheid>
  <zwr:kwaliteitsOordeel>Normale waarde</zwr:kwaliteitsOordeel>
  <zwr:parameterGrootheid>
    <zwr:grootheid>Biovolume per volume eenheid</zwr:grootheid>
    <zwr:object>Microcystis</zwr:object>
  </zwr:parameterGrootheid>
  <zwr:analyseProces>
    <zwr:analyserendeInstantie>AQUON</zwr:analyserendeInstantie>
  </zwr:analyseProces>
</zwr:resultaat>

An example of the data can also be found at: http://212.159.219.98/zwr-ogc/services?SERVICE=WFS&VERSION=1.1.0&REQUEST=GetGmlObject&OUTPUTFORMAT=text%2Fxml%3B+subtype%3Dgml%2F3.1.1&TRAVERSEXLINKDEPTH=0&GMLOBJECTID=ZWR_MONSTERPUNT_304427

It is all in Dutch but that should not matter for the context of the question. The case is that I would like to search multiple lines of this code and get the values between tags. I also tried to read it all out separately (which worked out fine), but because there are multiple combinations of tags (sometimes a tag will be used or not), this mixes up the data I receive and there is no structure in the fetched data.

I thought it would be a good idea to read a whole set of tags so that I can keep the data together. The current preg_match_all() code I have is :

preg_match_all("/<zwr:risicoNiveau>(.*)<\/zwr:risicoNiveau><zwr:numeriekeWaarde>(.*)<\/zwr:numeriekeWaarde><zwr:eenheid>(.*)<\/zwr:eenheid><zwr:hoedanigheid>(.*)<\/zwr:hoedanigheid>
    <zwr:kwaliteitsOordeel>(.*)<\/zwr:kwaliteitsOordeel><zwr:parameterGrootheid><zwr:object>(.*)<\/zwr:object><zwr:grootheid>(.*)<\/zwr:grootheid><\/zwr:parameterGrootheid>/m", $content, $stof);

So as you can see I would like to read multiple values from one preg_match_all(), this will give me an array with multiple array's in it.

How do I read multiple tags after each other (which are on different lines?)? When I use a var_dump() to show all the data, it shows me a multidimensional array with no data in it. The s and m flags do not work for me? Am I doing something wrong? Other methods in PHP are welcome!

Answer 1

1.) You need to add whitespace \s in between tags.
<\/zwr:risicoNiveau> \s* <zwr:numeriekeWaarde>...

2.) Further use .*? inside your capture groups for matching non greedy.
<zwr:risicoNiveau>(.*?)<\/zwr:risicoNiveau>

3.) Improve regex readability by use of x flag (free spacing mode).
Regex demo at regex101

Note: Use exclusion ([^<]*?) rather than (.*?) for forcing the format like this. To match the remaining tags, use optional quantifier ? on optional tags like this with optional <zwr:object>

$pattern = '~
<zwr:risicoNiveau>(.*?)</zwr:risicoNiveau>\s*
<zwr:numeriekeWaarde>(.*?)</zwr:numeriekeWaarde>\s*
<zwr:eenheid>(.*?)</zwr:eenheid>\s*
<zwr:hoedanigheid>(.*?)</zwr:hoedanigheid>\s*
<zwr:kwaliteitsOordeel>(.*?)</zwr:kwaliteitsOordeel>\s*
<zwr:parameterGrootheid>\s*
  <zwr:grootheid>(.*?)</zwr:grootheid>\s*
  <zwr:object>(.*?)</zwr:object>\s*
</zwr:parameterGrootheid>
~sx';

PREG_SET_ORDER Orders results so that $matches[0] is an array of first set of matches, $matches[1] is an array of second set of matches, and so on... ^{read more in the PHP MANUAL}

if(preg_match_all($pattern, $str, $out, PREG_SET_ORDER) > 0)
  print_r($out);

See php demo at eval.in