如何使用PHP从HTML中提取纯文本和ImageUrl

Question

我在我的Android应用中使用了丰富的text editor，它通过将富文本解析为HTML来实现。

但是现在，我想从这些HTML中获取包含纯文本和一些图像的抽象，因此我决定使用PHP在服务器端提取纯文本和图像。一开始，我试图通过正则表达式来做（应该非常复杂），但对于嵌入式工程师来说似乎太难了。

有人能给我一些建议吗？

Answer 1

您应该避免使用正则表达式来解析HTML（请参阅How do you parse and process HTML/XML in PHP?或Using regular expressions to parse HTML: why not?）。考虑使用PHP HTML解析库，例如：

• http://simplehtmldom.sourceforge.net/
• https://github.com/paquettg/php-html-parser
• http://htmlparsing.com/php.html

示例

// Create DOM from URL or file
$html = file_get_html('http://www.example.com/');

// Find all images 
foreach($html->find('img') as $element) 
       echo $element->src . '<br>';

Answer 2

非常感谢alashow添加了与simplehtmldom（第三方库）相关的示例，我在项目中使用了该库，并且除了运行速度稍慢外，效果非常好。

获取HTML中的所有纯文本，只需一行！

 $keyDetailHTML = str_get_html($keyDetailXMLString);
 $keyTextString=$keyDetailHTML ->plaintext;

获取所有img就像代码alashow show。