正则表达式和PHP，用于使用多个换行符在标签之间提取内容

Question

如何使用多个换行符提取标签之间的内容？

我是regex的新手，他想知道如何处理未知数量的换行符以匹配我的查询。

任务：在<div class="test">和第一个结束</div>标记之间提取内容。

原始资料：

<div class="test">optional text<br/>
content<br/>
<br/>
content<br/>
...
content<br/><a href="/url/">Hyperlink</a></div></div></div>

我已经计算出以下正则表达式，

/<div class=\"test\">(.*?)<br\/>(.*?)<\/div>/

只是想知道如何使用正则表达式匹配多个换行符。

我们有DOM，但我对此并不熟悉。

Answer 1

您不应该使用正则表达式解析（x）html。 使用DOM。

我是xpath的初学者，但是这样的人应该可以工作：

//div[@class='test']

这将选择所有具有“ test”类的div。 您将需要将html加载到DOMDocument对象中，然后创建与此相关的DOMXpath对象，并调用其execute()方法以获取结果。 它将返回一个DOMNodeList对象。
最终代码如下所示：

$domd = new DOMDocument();
$domd->loadHTML($your_html_code);
$domx = new DOMXPath($domd);
$items = $domx->execute("//div[@class='test']");

之后，您的div在$items->item(0) 。

这是未经测试的代码，但是如果我没记错的话，它应该可以工作。

更新 ，忘记了您需要的内容。

如果您需要文本内容（没有标签），则只需调用$items->item(0)->textContent 。 如果您还需要标记，则相当于JavaScript的PHP DOM的innerHTML：

function innerHTML($node){
  $doc = new DOMDocument();
  foreach ($node->childNodes as $child)
    $doc->appendChild($doc->importNode($child, true));

  return $doc->saveHTML();
}

使用$items->item(0)作为参数调用它。

Answer 2

您可以使用preg_match_all('/<div class="test">(.*?)<\\/div>/si', $html, $matches); 。 但是请记住，这将与HTML中的第一个结束</div>匹配。 IE浏览器。 如果HTML看起来像<div class="test">...aaa...<div>...bbb...</div>...ccc...</div>那么您会得到...aaa...<div>...bbb...结果为$ matches ...

因此最终使用DOM解析器确实可以提供更好的解决方案。