PHP解析HTML标签[重复]答案

【问题标题】：PHP parse HTML tags [duplicate]PHP解析HTML标签[重复]
【发布时间】：2012-11-07 15:08:06
【问题描述】：

可能重复：
How to parse and process HTML with PHP?

我对 PHP 还是很陌生。我在字符串变量中有某个页面的正文标记的文本。我想知道它是否包含一些标签......其中给出了标签名称 tag1 ，如果是这样，则只从字符串中获取该标签。我怎样才能在 PHP 中简单地做到这一点？

谢谢！！

【问题讨论】：

有几种方法可以解决这个问题，它们都取决于你到底想做什么。你需要解析 HTML吗？使用 HTML 解析器。您想去除标签并且已知语法在一定范围内吗？使用strip_tags()。您想将任意 HTML 中的某些标签列入黑名单吗？也许更好地考虑 whitelisting 允许的标签？使用 HTML Purifier 之类的库。
@Troy 如果我的 anwser 有帮助，请接受它，以便其他人可以从中学习。如果没有，我该如何进一步帮助您？

标签： php html parsing tags

【解决方案1】：

你会看到这样的东西：

<?php
$content = "";
$doc = new DOMDocument();
$doc->load("example.html");
$items = $doc->getElementsByTagName('tag1');
if(count($items) > 0) //Only if tag1 items are found 
{
    foreach ($items as $tag1)
    {
         // Do something with $tag1->nodeValue and save your modifications
         $content .= $tag1->nodeValue;
    }
}
else
{
     $content = $doc->saveHTML();
}
echo $content;
?>

DomDocument 表示整个 HTML 或 XML 文档；作为文档树的根。因此，您将拥有一个有效的标记，并且通过按标签名称查找元素，您将找不到 cmets。

【讨论】：

【解决方案2】：

另一种可能性是正则表达式。

$matches = null;
$returnValue = preg_match_all('#<li.*?>(.*?)</li>#', 'abc', $matches);

$matches[0][x] 包含整个匹配项，例如 <li class="small">list entry</li>，$matches[1][x] 仅包含内部 HTML，例如 list entry。

【讨论】：

【解决方案3】：

快捷方式：

查找 tag1 的索引位置，然后查找 /tag1 的索引位置。然后剪切这两个索引之间的字符串。在 php.net 上查找 strpos 和 substr 如果您的字符串太长，这也可能不起作用。

$pos1 = strpos($bigString, '<tag1>');
$pos2 = strpos($bigString, '</tag1>');
$resultingString = substr($bigString, -$pos1, $pos2);

您可能需要在 $pos1 和 $pos2 中添加和/或减去一些单位才能正确地得到 $resultingString。（如果你没有带有 tag1 的 cmets sigh）

正确的方法：

查找 html 解析器

【讨论】：

你如何查找标签的位置？请记住，这是有效的 HTML：<foo bar="</tag>">...
$pos1 = strpos($bigString, '');没关系，你把它当成一个字符串。
糟糕，您刚刚在 中找到了“”，也就是说，它并不是真正的标签... :)
或者你也可以，你知道，只使用一个合适的HTML解析器。 :P
很公平。只是想知道为什么你也提到了错误的方式。 ;)