使用 RegExp PHP 从标签中提取文本答案

【问题标题】：Extract Text from within tags using RegExp PHP使用 RegExp PHP 从标签中提取文本
【发布时间】：2013-06-18 13:22:51
【问题描述】：

我正在尝试从网页的源代码中提取一些字符串，如下所示：

<p class="someclass">
String1<br />
String2<br />
String3<br />
</p>

我很确定这些字符串是唯一以单个换行符结尾的东西(
)。其他所有内容都以两个或多个换行符结束。我试过用这个：

preg_match_all('~(.*?)<br />{1}~', $source, $matches);

但它并没有像预期的那样工作。它还会返回一些其他文本以及这些字符串。

【问题讨论】：

@Jack：不。这是一团糟。我只想要字符串。它返回更多。
不要使用正则表达式解析 HTML。您无法使用正则表达式可靠地解析 HTML，并且您将面临悲伤和挫败感。一旦 HTML 与您的期望发生变化，您的代码就会被破坏。有关如何使用已编写、测试和调试的 PHP 模块正确解析 HTML 的示例，请参阅 htmlparsing.com/php。

标签： php regex html-parsing

【解决方案1】：

DOMDocument 和 XPath 助你一臂之力。

$html = <<<EOM
<p class="someclass">
String1<br />
String2<br />
String3<br />
</p>
EOM;

$doc = new DOMDocument;
$doc->loadHTML($html);
$xp = new DOMXPath($doc);

foreach ($xp->query('//p[contains(concat(" ", @class, " "), " someclass ")]') as $node) {
    echo $node->textContent;
}

Demo

【讨论】：

【解决方案2】：

我不建议使用正则表达式来获取值。相反，使用 PHP 的内置 HTML 解析器，如下所示：

$dom = new DOMDocument();
$dom->loadHTML($source);
$xpath = new DOMXPath($dom);

$elements = $xpath->query('//p[@class="someclass"]');
$text = array(); // to hold the strings
if (!is_null($elements)) {
    foreach ($elements as $element) {
        $text[] = strip_tags($element->nodeValue);
    }
}
print_r($text); // print out all the strings

这是经过测试和工作的。您可以在此处阅读有关 PHP 的 DOMDocument 类的更多信息：http://www.php.net/manual/en/book.dom.php

这是一个演示：http://phpfiddle.org/lite/code/0nv-hd6（点击“运行”）

【讨论】：

【解决方案3】：

试试这个：

preg_match_all('~^(.*?)<br />$~m', $source, $matches);

【讨论】：

不知道为什么它仍然被否决，它应该在其有限的范围内按预期工作。

【解决方案4】：

应该可以。请尝试一下

preg_match_all("/([^<>]*?)<br\s*\/?>/", $source, $matches);

或者如果您的字符串可能包含一些 HTML 代码，请使用以下代码：

preg_match_all("/(.*?)<br\s*\/?>\\n/", $source, $matches);

【讨论】：