本文介绍在 php 中使用正则表达式安全、准确地提取 class 属性中包含指定关键词（如 "egg"）的 `` 标签内的文本内容，并提供可直接运行的代码示例与关键注意事项。
在实际 Web 开发中，我们常需从 HTML 片段中提取特定语义的内容，例如仅获取 class 属性中包含 "egg" 的 标签所包裹的文本。原始尝试的正则 (?).+?(?=) 存在严重逻辑缺陷：它错误地将 | 视为“或”分支，导致匹配锚点混乱（如匹配到 "|egg|"> 中任意单字符），进而捕获了大量无关字符串。
正确的思路是：定位标签结构本身，再捕获其内部内容。推荐使用以下正则表达式：
/(.+?)<\/span>/- ">：匹配属性结束与标签闭合的引号和 >；
- (.+?)：核心捕获组，非贪婪匹配标签内任意内容（即目标文本）；
- ：字面量匹配闭合标签（注意 / 转义）。
✅ 完整 PHP 示例（可直接运行）：
$text = 'I ate a boiled egg and ham. I ate a ham and eggs.'; preg_match_all('/(.+?)<\/span>/', $text, $matches); // $matches[1] 是第一个捕获组——即所有匹配的标签内容 if (!empty($matches[1])) { foreach ($matches[1] as $content) { echo trim($content) . "\n"; } } // 输出： // boiled egg // ham and eggs
⚠️ 重要注意事项：
立即学习“前端免费学习笔记（深入）”；
- 正则不适用于复杂 HTML：若 HTML 存在嵌套 、属性换行、注释或非法结构，正则易失效。生产环境强烈建议使用 DOM 解析器（如 DOMDocument + XPath）；
- 避免过度贪婪：务必使用 .*?（非贪婪）而非 .*，否则可能跨标签匹配；
- 转义字符：在 PHP 字符串中， 的 / 需转义为 ，或改用其他分隔符（如 #(.*?)#）；
- 编码与特殊字符：若内容含 HTML 实体（如 &），需额外调用 html_entity_decode() 处理；
- 性能考量：对超长文本频繁执行正则可能影响性能，建议结合缓存或预处理。
总结：该正则方案简洁高效，适用于结构清晰、可控的 HTML 片段提取场景。牢记“正则处理 HTML 有风险”，简单需求可快速落地，复杂场景请转向专业解析器。
