如何从php中的字符串获取html标签？

Posted 2023-03-05

【中文标题】如何从php中的字符串获取html标签？

【英文标题】：How to get html tag from string in php?

【发布时间】：2011-08-21 21:07:21

【问题描述】：

我有一个从 RSS 提要中提取的 html 输出，它是这样的：

<div>
    <p>
        Some text
    </p>
    <iframe src="http://www.source.com"></iframe>
</div>

问题是我只需要 iframe 标签的 attr "src"，有没有办法用 php 来获取它？可能是正则表达式？

提前致谢！

【参考方案1】：

如果您始终只获得上面列出的数据，则可以使用简单的子字符串，使用 src=" 和 "><iframe 的字符串位置来指定您想要的子字符串：

$html = '<div><p>Some text</p><iframe src="http://www.source.com"></iframe></div>';

$start = strpos($html, 'src="') + 5;
$length = strpos($html, '"></iframe') - $start;
$src = substr($html, $start, $length);

echo $src;

EDIT - 修复代码并拆分为多行。这很容易成为单行，但是 - 认为如果我分成多行更容易理解。

【参考方案2】：

我推荐DOMDocument 或SimpleXML。

这样的事情可能会给你这个想法。

var_dump(simplexml_load_string($rss_feed));

【讨论】：

如果 HTML 的格式不完美，我认为 DOMDocument 会比 SimpleXML 更健壮一些。另外，我猜你必须分别处理 RSS 和它包含的 HTML，因为 HTML 应该被编码为实体以使 RSS 正确。

如果您只需要src 属性，则不需要更强大的。 IMO，SimpleXML 的 simple 特性在这种情况下是正确的。

正如我所说，我担心的是 HTML 是无效的 XML。如果您仍然认为这比仅使用自动更正错误 HTML 的 DOMDocument 更容易，请查看此 SO 帖子 ***.com/questions/2890120/php-processing-invalid-xml。

【参考方案3】：

我不是正则表达式专家，但另一种方法是在 " 标记上使用 explode 并像这样得到 array[1]：

$rssFeed = '<div>
    <p>
        Some text
    </p>
    <iframe src="http://www.source.com"></iframe>
</div>';

$rssArray = explode('"', $rssFeed);

echo $rssArray[1];

这要求您的 RSS 提要非常一致，但如果“某些文本”部分包含 " 标记，这会搞砸并且您会得到错误的字符串。

您可以在数组中查看以http 或www 开头的所有内容以解决错误，但同样，它需要非常一致的 RSS 提要，因此您必须自己判断这是否可以完成工作足够好。

【参考方案4】：

你可以用一个小的命令行 perl 脚本来解析这个输出。这可能非常健壮，具体取决于您制作正则表达式的通用程度。

例如，

$command = "echo your_html_output | perl -pe 's/src=\"(.*)\"/$1/'"; # Capture what is in between src=" and the " (the closing quote)

$output = shell_exec("$command");