php 获取标签之间文本的实现代码

php中文网

发布： 2016-07-25 08:56:53

原创

1811人浏览过

本文介绍下，用php实现获取标签之间文本的几个例子，有需要的朋友参考下。

以下例子提供了一种在标签之间检索文本的方法。

注意：不要使用正则表达式解析html。

通过使用正则表达式preg_match()、preg_match_all()函数，这二个函数进行的工作类似于php循环一样，多次遍历得到想要的结果。另外，使用dom函数可以加快解析速度，得到干净的解析结果。

下面这个例子，使用 preg_match()函数来实现。代码：

<?php

 /**
 *
 * @get text between tags
 *
 * @param string (The string with tags)
 *
 * @param string $tagname (the name of the tag
 *
 * @return string (Text between tags)
 *
 */
 function getTextBetweenTags($string, $tagname)
 {
    $pattern = "/<$tagname>(.*?)<\/$tagname>/";
    preg_match($pattern, $string, $matches);
    return $matches[1];
 }
?>

登录后复制

注意：以上实现了一个简单的标签获取函数，不过它无法处理嵌套的标签，以及不完整的标签。通过使用php的dom扩展，可以轻松解决这个问题。

来看下面的例子，函数本身有三个参考： $tag 标签之间的文本 $html 要搜索的HTML或XML $strict 告诉函数加载HTML或XML模式，默认为HTML模式。第三个参数，允许设置函数来解析XML和一些XHTML文档中发现的自定义标签。

代码：

<?php

/**
 *
 * @get text between tags
 *
 * @param string $tag The tag name
 *
 * @param string $html The XML or XHTML string
 *
 * @param int $strict Whether to use strict mode
 *
 * @return array
 *
 */
function getTextBetweenTags($tag, $html, $strict=0)
{
    /*** a new dom object ***/
    $dom = new domDocument;

    /*** load the html into the object ***/
    if($strict==1)
    {
        $dom->loadXML($html);
    }
    else
    {
        $dom->loadHTML($html);
    }

    /*** discard white space ***/
    $dom->preserveWhiteSpace = false;

    /*** the tag by its tag name ***/
    $content = $dom->getElementsByTagname($tag);

    /*** the array to return ***/
    $out = array();
    foreach ($content as $item)
    {
        /*** add node value to the out array ***/
        $out[] = $item->nodeValue;
    }
    /*** return the results ***/
    return $out;
}
?>

登录后复制

在这个例子中，如果使用普通的html，则无需提供第三个参数。这允许处理无效的、不完整的html标签。缺少关闭的

标签，然而，使用dom和loadHtml可以允许这样的偏差。这个例子仍然会解析html，并检索一个数组中所有文字之间的所有锚标签。

代码：

<?php

$html = '<body>
<h1>Heading</h1>
jbxue.com
<p>paragraph here</p>
                    <div class="aritcle_card">
                        <a class="aritcle_card_img" href="/ai/735">
                            <img src="https://img.php.cn/upload/ai_manual/001/246/273/68b6cdbf48df2598.png" alt="代码小浣熊">
                        </a>
                        <div class="aritcle_card_info">
                            <a href="/ai/735">代码小浣熊</a>
                            <p>代码小浣熊是基于商汤大语言模型的软件智能研发助手，覆盖软件需求分析、架构设计、代码编写、软件测试等环节</p>
                            <div class="">
                                <img src="/static/images/card_xiazai.png" alt="代码小浣熊">
                                <span>51</span>
                            </div>
                        </div>
                        <a href="/ai/735" class="aritcle_card_btn">
                            <span>查看详情</span>
                            <img src="/static/images/cardxiayige-3.png" alt="代码小浣熊">
                        </a>
                    </div>
                <p><span>立即学习</span>“<a href="https://pan.quark.cn/s/7fc7563c4182" style="text-decoration: underline !important; color: blue; font-weight: bolder;" rel="nofollow" target="_blank">PHP免费学习笔记（深入）</a>”；</p>
<p>Paragraph with a LINK TO jbxue.com</p>
<p>This is a broken paragraph
</body>';

$content = getTextBetweenTags('a', $html);

foreach( $content as $item )
{
    echo $item.'<br />';
}
?>

登录后复制

在最后的这个例子中，使用两个自定义标签，应用于XML或XHTML文件。第三个参数被设置为使用XML模式和解析的自定义标签。

代码：

<?php

$xhtml = '<html>
<body>
<para>This is a paragraph</para>
<para>This is another paragraph</para>
</body>
</html>';

$content2 = getTextBetweenTags('para', $xhtml, 1);
foreach( $content2 as $item )
{
    echo $item.'<br />';
}
?>

登录后复制