使用正则表达式或其他方法从 html 中提取文本

【问题标题】：extract text from html using regex or other method使用正则表达式或其他方法从 html 中提取文本
【发布时间】：2011-08-17 15:31:42
【问题描述】：

我正在尝试使用正则表达式从以下 html 中提取文本“abcdef”：

<a href="xyz.com" rel="bookmark" title="hello_world">abc def</a>

我正在尝试这种模式

$pattern = "<a href=(.*?) rel='bookmark' title=(.*?)>(.*?)</a>"

如果有人帮助我找出模式，那将会很有帮助。我正在使用 PHP 。

谢谢

【问题讨论】：

如果这就是你的 html，strip_tags 就可以了。如果没有，DOMDocument 是你的朋友。最好避免使用正则表达式来解析 XML 或 HTML。
Grabbing the href attribute of an A element 的可能重复项

【解决方案1】：

请改用DOMDocument。具体来说，DOMDocument::loadHTML。你的生活会轻松很多。

您可以使用如下模式，但我真的不建议使用正则表达式来操作 HTML：

/<a\s+href\s*=\s*"([^"]+)"\s+rel\s*=\s*"([^"]+)"\s+title\s*=\s*"([^"]+)"\s*>([^<]+)<\/a>/

我还注意到在你的正则表达式中你有rel='bookmark'，而原始字符串有rel="bookmark"。这可能就是您原来的正则表达式不起作用的原因。

【讨论】：

这里是原始 html：laperuanavegana.wordpress.com/2011/02/08 我只想要这个文本“Flan de lucuma”，而不是来自标题，而是来自正文
@qmaruf 查看loadHTML 函数和DOMDocument 对象。这将为您提供所需的所有信息。