使用 PHP Regex 或 DOM，如何在标签之间使用 eol 或换行符获取网页的 <TITLE>?</TITLE>？

Posted 2023-03-05

【中文标题】使用 PHP Regex 或 DOM，如何在标签之间使用 eol 或换行符获取网页的 <TITLE>?</TITLE>？

【英文标题】：Using PHP Regex or DOM, how to get web page's <TITLE>?</TITLE> with eol or newline in between the tags?

【发布时间】：2019-01-20 21:40:39

【问题描述】：

我无法弄清楚如何从包含以下内容的 html 页面获取标题：

<title>Breaking <--- *EOL
- News</title>

*注意：在“Breaking”之后有一个不可见的 EOL 或换行符。

我已经尝试了几乎所有可能处理 eol 的正则表达式，但似乎没有任何效果。它总是什么都不返回。

preg_match('/\<title.*?\>(.*?)\<\/title\>/si', $str, $match);
preg_match('/(?s)\<title.*?\>(.*?)\<\/title\>/i', $str, $match)

$titles = $dom->getElementsByTagName('title');
$title = $titles->item(0)->nodeValue;

这个正则表达式在很多情况下都能正确抓取标题，但无论我尝试什么，标签之间的 eol 总是失败。

任何有意义的解决方案将不胜感激。

【问题讨论】：

DOM 方法有什么问题？在这里工作正常~eval.in/1047266

您的第一个版本有效：ideone.com/s5u1wT

@Adriano 多行标志用于使^ 和$ 匹配行的开头和结尾。 s 标志是他需要的，而且他已经拥有了。

@Barmar 我分叉了包含原始源代码的实际 html：ideone.com/67ICS3 它不起作用！

@dpark123 好吧，你的字符串有非转义引号。固定在这里~ideone.com/4ibFCT

【参考方案1】：

尝试检查并正常工作。

preg_match('/\<title\>(.*?)\<\/title\>/ism', $str, $match);
print_r($match[1]);

【讨论】：

我已经检查过了，它工作正常。请检查@dpark123

【参考方案2】：

我写得真快

<?php
$title = '<title>Breaking
- News</title>';

preg_match('/<title[^>]*>(.*?)<\/title>/is', $title, $match);

echo $match[0]."\n";
echo $match[1]."\n";

希望对你有帮助。