PHP将一个html字符串拆分为一个数组，其中标签的类名作为键

Question

我需要获取一串html文本，例如：

<p>This is a line with no spans<br>
This is a line <span class="second">This is secondary</span><br>  
This is another line <span class="third">And this is third</span> <span class="four">this is four</span></p>

并让它在 PHP 中作为一个数组结束，例如：

array(
    "This is a line with no spans",
    array(
      "This is a line",
      second => "This is secondary",
    ),
    array(
      "This is another line",
      third => "And this is third",
      four => "this is four"
    )
);

让每一行变成它自己的值很容易，我只是在
上分割文本，效果很好，但是用类名分割行我不太明白。我觉得 php 的 preg_split 可能是关键，但我对正则表达式有点烂，我无法弄清楚。

有什么想法吗？

Answer 1

您不应尝试使用正则表达式或其他方式解析 HTML。它非常复杂，最终会出现严重的维护问题。

我强烈建议您研究如何将一大块标记读入 DOM 文档 [docs]，然后像浏览器端一样使用 DOM 方法来处理它。

Answer 2

使用正则表达式解析 HTML (cite) 不是一个好主意。这不是一个合适的工具；见@JAAulde's answer。

最好的方法是完全使用 DOM。循环遍历所有子节点（包括文本节点）以按照您想要的方式格式化数组。像这样：

$p = // get paragraph tag...
$lines = array();
$pChildren = $p->childNodes;
for ($i = 0; $i < $pChildren->length; $i++) {
    $line = array();
    $child = $pChildren->item($i);
    if ($child instanceof DOMText) {
        $line[] = $child->wholeText;
    } elseif ($child instanceof DOMElement) {
        if (strtolower($child->tagName) == 'br') {
            $lines[] = $line;
            $line = array();
        } elseif (strtolower($child->tagName) == 'span' && $child->hasAttribute('class')) {
            $line[$child->getAttribute('class')] = $child->nodeValue;
        }
    }
}

警告：将以上内容视为伪代码，完全未经测试，仅凭经验和手册。

Answer 3

也许您可以使用 XML 解析器？ Here是文档。