php 获取标签之间文本的实现代码

发布时间:2019-12-11编辑:脚本学堂
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];
 }
?>

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;
}
?>

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<p>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<a>锚标签。

代码:

<?php

$html = '<body>
<h1>Heading</h1>
<a href="http://jb200.com">jb200.com</a>
<p>paragraph here</p>
<p>Paragraph with a <a href="http://jb200.com">LINK TO jb200.com</a></p>
<p>This is a broken paragraph
</body>';

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

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

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 />';
}
?>