php：从网页中提取特定标签之间的文本

可能重复：
用PHP解析HTML的最佳方法

我知道我应该使用像PHP domdocument（http://docs.php.net/manual/en/domdocument.loadhtml.php）或tagsoup这样的html解析器。

如何使用php domdocument提取特定标签之间的文本，例如在h1，h2，h3，p，table之间获取文本？ 看来我只能使用getelementbytagname为一个标签执行此操作。

是否有更好的html解析器用于这样的任务？ 或者我将如何循环访问php domdocument？

---

你是正确的，使用DomDocument（因为正则表达式不是解析HTML的好主意，为什么？请看这里和这里为什么）。

getElementsByTagName为您提供了一个DOMNodeList，您可以迭代该DOMNodeList以获取所有找到的元素的文本。 所以，你的代码可能看起来像这样：

$document = new DOMDocument();
$document->loadHTML($html);

$tags = array ('h1', 'h2', 'h3', 'h4', 'p');
$texts = array ();
foreach($tags as $tag)
{
  $elementList = $document->getElementsByTagName($tag);
  foreach($elementList as $element)
  {
     $texts[$element->tagName][] = $element->textContent;
  }
}
return $texts;

请注意，您应该可能在其中有一些错误处理，并且您也将丢失文本的上下文，但您可以根据需要编辑此代码。

---

你可以用正则表达式来完成。

preg_match_all('#<h1>([^<]*)</h1>#Usi', $html_string, $matches);
foreach ($matches as $match)
{
  // do something with $match
}

---

我不确定你的源代码是什么，所以我添加了一个函数来通过URL获取内容。

$file = file_get_contents($url);

$doc = new DOMDocument();
$doc->loadHTML($file);

$body = $doc->getElementsByTagName('body');
$h1 = $body->getElementsByTagName('h1');

我不确定这部分：

for ($i = 0; $i < $items->length; $i++) {
    echo $items->item($i)->nodeValue . "n";
}

要么：

foreach ($items as $item) {
    echo $item->nodeValue . "n";
}

以下是关于nodeValue的更多信息：http://docs.php.net/manual/en/function.domnode-node-value.php

希望能帮助到你！

链接地址: http://www.djcxy.com/p/29911.html

上一篇: php: Extract text between specific tags from a webpage

下一篇: Get a specific content block of element using URL in PHP