从html中查找所有单词（或句子）
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了从html中查找所有单词（或句子）相关的知识，希望对你有一定的参考价值。
我试图找到一个html块中的所有单词。阅读manual我认为通过使用find('text')函数可以实现这一点。虽然我无法让它返回任何东西。
谁能告诉我我做错了什么？
require_once __DIR__ . '/simple_html_dom.php';
$html = str_get_html("<html><body><div><p><span>Hello to the <b>World</b></span></p><p> again</p></div></body></html>");
foreach($html->find('text') as $element)
echo $element->plaintext . '<br>';
我最终要做的是找到所有文本及其在html中的起始位置。对于这个特定的例子，它看起来像这样：
[
0 => [
'word' => 'Hello to the ',
'pos' => 27
],
1 => [
'word' => 'World',
'pos' => 43
],
2 => [
'word' => ' again',
'pos' => 66
]
]
那么有人可以解释一下我在使用Simple HTML Dom做错了什么并帮我弄清楚每个单词的起始位置？或者告诉我应该使用的另一种工具？
答案
您可以使用可用的functionstrip_tag，preg_match_all来提取每个单词的位置
$str = "<html><body><div><p><span>Hello to the <b>World</b></span></p><p> again</p></div></body></html>";
$find = '/'.str_replace(' ','|',strip_tags($str)).'/';
preg_match_all($find, strip_tags($str), $matches, PREG_OFFSET_CAPTURE);
print_r($matches);
结果： -
Array
(
[0] => Array
(
[0] => Array
(
[0] => Hello
[1] => 0
)
[1] => Array
(
[0] => to
[1] => 6
)
[2] => Array
(
[0] => the
[1] => 9
)
[3] => Array
(
[0] => World
[1] => 13
)
[4] => Array
(
[0] => again
[1] => 19
)
)
)
以上是关于从html中查找所有单词（或句子）的主要内容，如果未能解决你的问题，请参考以下文章
查找并替换所有以 # 开头的单词，并将标签文本包装在 HTML 中