获取html标签属性值的正则表达式答案

【问题标题】：regular expression tog et values of html tag attributes获取html标签属性值的正则表达式
【发布时间】：2011-02-01 13:39:11
【问题描述】：

<li class="zk_list_c2 f_l"><a title="abc" target="_blank" href="link">
                                        abc
                                    </a>&nbsp;</li>

我将如何提取 abc 和链接？

$pattern="/<li class=\"zk_list_c2 f_l\"><a title=\"(.*)\" target=\"_blank\" href=\"(.*)\">\s*(.*)\s*<\/a>&nbsp;<\/li>/m";
preg_match_all($pattern, $content, $matches);

我现在的那个好像不行

【问题讨论】：

哦不，SO 上最可怕的问题！
@Hao：你见过类似的问题吗？ stackoverflow.com/questions/1732348/…

标签： php regex

【解决方案1】：

考虑到您正在尝试从 HTML 字符串中提取一些数据，因此正则表达式通常不是适合这项工作的正确/最佳工具。

相反，为什么不使用 DOM 解析器，例如 PHP 提供的 DOMDocument class 及其DOMDocument::loadHTML 方法？

然后，您可以使用 DOM 方法浏览您的 HTML 文档——这比使用正则表达式要容易得多，尤其是考虑到 HTML 不是很常规。

例如，在这里，您可以使用以下内容：

$html = <<<HTML
<li class="zk_list_c2 f_l"><a title="abc" target="_blank" href="link">
        abc
    </a>&nbsp;</li>
HTML;

$dom = new DOMDocument();
$dom->loadHTML($html);
$as = $dom->getElementsByTagName('a');
foreach ($as as $a) {
    var_dump($a->getAttribute('href'));
    var_dump(trim($a->nodeValue));
}

你会得到以下输出：

string(4) "link"
string(3) "abc"

我想说，代码并不难，但是，简而言之，这就是它的作用：

加载 HTML 字符串：DOMDocument::loadHTML
提取所有<a>标签：DOMDocument::getElementsByTagName
找到 Foreach 标记：
- 获取href 属性：DOMElement::getAttribute
- 和节点的值：DOMNode::$nodeValue

请注意：在尝试使用其值之前，您可能需要检查 href 属性是否存在，使用 DOMElement::hasAttribute...

在 cmets 之后编辑：这是一个使用 DOMXpath 访问链接的快速示例；我想你想要<li>标签内的链接class="zk_list_c2 f_l"：

$dom = new DOMDocument();
$dom->loadHTML($html);

$xpath = new DOMXPath($dom);
$as = $xpath->query('//li[@class="zk_list_c2 f_l"]/a');

foreach ($as as $a) {
    var_dump($a->getAttribute('href'));
    var_dump(trim($a->nodeValue));
}

再一次，你得到：

string(4) "link"
string(3) "abc"

正如你所看到的，唯一改变的是你用来找到正确的<a>标签的方式：而不是DOMDocument::getElementsByTagName，这只是一个问题：

实例化The DOMXPath class
并使用正确的 XPath 查询调用 DOMXPath::query。

【讨论】：

有不止一个
我正在尝试提取，所以我不能真正使用 DOMDocument 类，而且 html 比这更复杂。

@hao：那么，也许一个 XPath 查询，而不是 getElementsByTagName，可以解决问题吗？ （见php.net/manual/en/domxpath.query.php） ;;无论如何，我真的不会将正则表达式用于这种数据提取。

您可以设置一个循环遍历 DOMDocument::getElementsByTagName('li') 返回的数组，并使用上述方法 IF (class== "zk_list_c2 f_l")

我怎样才能只得到

$lis = $dom->getElementsByTagName('li'); foreach ($lis as $li) { if($li->getAttribute('class')=="zk_list_c2 f_l") { echo (trim($li->nodeValue))."
";这不显示里面的a标签，有没有办法让我提取li里面的所有东西？