Question

我们假设我有以下代码：

<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title>Title of the document</title>
</head>    
<body>
<div id="x">Hello</div>
<p>world</p>
<h1>my name</h1>
</body>
</html>

我需要提取所有html标签并放入一个数组，如下所示：

'0' => '<!DOCTYPE html>',
'1' => '<html>',
'2' => '<head>',
'3' => '<meta charset="UTF-8">',
'4' => '<title>Title of the document</title>',
'5' => '</head>',
'6' => '<body>',
'7' => '<div id="x">Hello</div>',
'8' => '<p>world</p>',
'9' => '<h1>my name</h1>',
....

在我的情况下，我没有必要获取标签内的所有现有内容，因为我只抓住每个标签的开头已经非常好。

我怎么能这样做？

Answer 1

使用以下具有preg_match_all功能的解决方案：

$html_content = '<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title>Title of the document</title>
</head>    
<body>
<div id="x">Hello</div>
<p>world</p>
<h1>my name</h1>
</body>
</html>';

preg_match_all("/\<\w[^<>]*?\>([^<>]+?\<\/\w+?\>)?|\<\/\w+?\>/i", $html_content, $matches);
// <!DOCTYPE html> is standardized document type definition and is not a tag

print_r($matches[0]);

输出：

Array
(
    [0] => <html>
    [1] => <head>
    [2] => <meta charset="UTF-8">
    [3] => <title>Title of the document</title>
    [4] => </head>
    [5] => <body>
    [6] => <div id="x">Hello</div>
    [7] => <p>world</p>
    [8] => <h1>my name</h1>
    [9] => </body>
    [10] => </html>
)

Answer 2

最好的方法是将HTML加载到DOMDocument类中并遍历节点。

请在此处查看相关问题：https://stackoverflow.com/a/20025973/2870598

将所有html标记拆分为数组

2 个答案: