使用 PHP 匹配 html <body> 标签之间的所有内容
Posted
技术标签:
【中文标题】使用 PHP 匹配 html <body> 标签之间的所有内容【英文标题】：Matching everything between html <body> tags using PHP 【发布时间】：2011-01-12 01:47:16 【问题描述】：我有一个脚本，它在名为 $content 的变量中返回以下内容
<body>
<p><span class=\"c-sc\">dgdfgdf</span></p>
</body>
然而，我需要将body标签之间的所有内容放在一个名为matches的数组中
我做了以下来匹配body标签之间的东西
preg_match('/<body>(.*)<\/body>/',$content,$matches);
但是 $mathces 数组是空的，我怎样才能让它返回 body 标签内的所有内容
【问题讨论】：
查看有关使用正则表达式解析 html 的说明：***.com/questions/1732348/… 【参考方案1】：Don't try to process html with regular expressions!请改用php's builtin parser：
$dom = new DOMDocument;
$dom->loadHTML($string);
$bodies = $dom->getElementsByTagName('body');
assert($bodies->length === 1);
$body = $bodies->item(0);
for ($i = 0; $i < $body->children->length; $i++)
$body->remove($body->children->item($i));
$string = $dom->saveHTML();
【讨论】：
我知道这是一个古老的问题和答案，但是，这是一个比公认的解决方案更好的答案【参考方案2】：您不应该使用正则表达式来解析 HTML。
在这种情况下，您的特殊问题是您需要添加 DOTALL modifier 以便点匹配换行符。
preg_match('/<body>(.*)<\/body>/s', $content, $matches);
但是说真的，请改用 HTML 解析器。上面的正则表达式可以破坏的方式有很多。
【讨论】：
【参考方案3】：如果由于某种原因你没有安装 DOMDocument，试试这个
第一步：下载simple_html_dom
第 2 步。阅读有关如何use its selectors 的文档
require_once("simple_html_dom.php");
$doc = new simple_html_dom();
$doc->load($someHtmlString);
$body = $doc->find("body")->innertext;
【讨论】：
仅供参考：当时它存在内存泄漏，并且在处理大页面时会终止整个请求。希望它现在已修复。以上是关于使用 PHP 匹配 html <body> 标签之间的所有内容的主要内容，如果未能解决你的问题，请参考以下文章
使用 PHP 和 XPath 获取匹配正则表达式的 href
警告：预期的服务器 HTML 在 <div> 中包含匹配的 <body>