使用正则表达式获取html标记内的所有文本？

Question

例如，我有HTML：

<strong>this one</strong> <span>test one</span>
<strong>this two</strong> <span>test two</span>
<strong>this three</strong> <span>test three</span>

如何在正则表达式中使所有文本变强并跨度？

Answer 1

使用DOM并且永远不要使用正则表达式来解析HTML。

$dom = new DOMDocument;
$dom->loadHTML($html);
foreach ($dom->getElementsByTagName('strong') as $tag) {
   echo $tag->nodeValue."<br>";
  }
foreach ($dom->getElementsByTagName('span') as $tag) {
    echo $tag->nodeValue."<br>";
}

OUTPUT :

this one
this two
this three
test one
test two
test three

演示版

---

为什么我不应该使用正则表达式来解析HTML内容？

HTML不是常规语言，因此无法通过常规表达式进行解析。 正则表达式查询无法将HTML分解为有意义的部分。 有很多次了，但是没有得到我。 甚至Perl使用的增强的不规则正则表达式也无法完成HTML解析任务。

那篇文章来自我们的杰夫·阿特伍德 。 在这里阅读更多。

Answer 2

使用DOMDocument加载HTML字符串，然后使用XPath表达式获取所需的值：

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

foreach ($xpath->query('//strong | //span') as $node) {
    echo $node->nodeValue, PHP_EOL;
}

输出：

this one
test one
this two
test two
this three
test three

演示版

Answer 3

您可以使用捕获的组。 这里有些例子：

<strong>([^\\<]*)<\\/strong>

演示： http ： //regex101.com/r/sK5uF2

和

<span>([^\\<]*)<\\/span>

演示： http ： //regex101.com/r/vJ2kP3

在每个这些中，第一个捕获的组是您的文本： \\1或$1