如何用PHP正则表达式高效提取HTML中的特定内容？

php正则表达式提取html内容详解

本文将详细讲解如何使用php正则表达式提取html片段中的特定内容。我们将解决两个具体问题：如何提取包含特定class属性的div标签内的所有内容，以及如何提取该div标签内所有a标签的href属性值。

问题一：提取class属性为"box list channel max-border list-text-my"的div标签内容

给定如下html代码片段：

<div class="box list channel max-border list-text-my">
<ul>
    <li><a href="/arthtml/40958.html" title="">[2022-12-13]新闻1</a></li>
    <li><a href="/arthtml/40951.html" title="">[2022-12-13]新闻2</a></li>
    <li><a href="/arthtml/40926.html" title="">[2022-12-13]新闻3</a></li>
</ul>
</div>

我们需要提取包含

标签及其内容的整个div块。 可以使用以下php正则表达式实现：

立即学习“PHP免费学习笔记（深入）”；

$html = '<div class="box list channel max-border list-text-my">
<ul>
    <li><a href="/arthtml/40958.html" title="">[2022-12-13]新闻1</a></li>
    <li><a href="/arthtml/40951.html" title="">[2022-12-13]新闻2</a></li>
    <li><a href="/arthtml/40926.html" title="">[2022-12-13]新闻3</a></li>
</ul>
</div>';

preg_match('/([\s\s]*?)<\/div>/', $html, $matches);

echo $matches[1]; // 输出整个div的内容

登录后复制

该正则表达式/

([\s\s]*?)/ 匹配
标签，.*?匹配任意字符（非贪婪模式），([\s\s]*?)捕获

标签内的所有内容（包括换行符）。

问题二：提取上述div标签内所有a标签的href属性值

继续使用上面的html片段，我们需要提取每个标签的href属性值。可以使用以下php正则表达式：

preg_match_all('/<a\s.*?href="(.*?)"/', $matches[1], $hrefs);

print_r($hrefs[1]); // 输出所有href属性值的数组

登录后复制

该正则表达式/标签，并捕获href属性值中的内容。preg_match_all函数可以匹配所有符合条件的字符串。

通过以上两个正则表达式，我们可以有效地从html代码中提取所需的信息。 需要注意的是，使用正则表达式解析html并非最佳实践，对于复杂的html结构，建议使用dom解析器。

以上就是如何用PHP正则表达式高效提取HTML中的特定内容？的详细内容，更多请关注php中文网其它相关文章！