如何提取或剪切 <div id="mainContent" ......> ........ </div> 内部的 html 内容？ html 源的格式不正确答案

【问题标题】：How can I extract or cut html contents of inside <div id="mainContent" ......> ........ </div>? The html source is not correctly formatted如何提取或剪切 <div id="mainContent" ......> ........ </div> 内部的 html 内容？ html 源的格式不正确
【发布时间】：2012-05-03 20:17:46
【问题描述】：

<html>
    <head><title>bla bla</title></head>
    <body>
    <div id="mainContent" xmlns:h="http://www.w3.org/1999/xhtml" xmlns="http://www.w3.org/1999/xhtml">
        bla bla .....
    </div>
    </body>
</html>

我需要提取那个除法。我如何使用 PHP 5 来做到这一点？

html 源代码的格式不正确。有一些未定义的属性。

【问题讨论】：

文档类在这里会有所帮助
您不想为此使用正则表达式 - stackoverflow.com/questions/1732348/…
但是那个 html 源字符串的格式不正确。
How to parse and process HTML with PHP?的可能重复

标签： php regex parsing html-parsing

【解决方案1】：

如果您的 HTML 格式不正确，您仍然可以使用 DOMDocument 之类的内容，例如：

$d = new DOMDocument;
$d->loadHTML($htmlstring);

$x = new DomXPath($d);

foreach ($x->query('//div[@id="mainContent"]') as $node) {
    echo $node->nodeValue;
}

或者，只需在 HTML 前加上 <!DOCTYPE html> 前缀，以便您可以正常使用 getElementById。

【讨论】：

【解决方案2】：

/<div id=\"mainContent\".*?</div>/gs

http://regexr.com?30o0l 如果你想捕获从 div 开始标签到结束标签的所有内容。

【讨论】：

这将匹配任何平铺 last 结束标签。它只适用于这个非常简单的例子。