Question

$string = 'text <span style="color:#f09;">text</span>
<span class="data" data-url="http://www.google.com">google.com</span>
text <span class="data" data-url="http://www.yahoo.com">yahoo.com</span> text.';

我想要做的是从数据类的所有范围中获取 data-url 。所以，它应该输出：

$string = 'text <span style="color:#f09;">text</span>
http://www.google.com text http://www.yahoo.com text.';

然后我想删除所有剩余的 html标记。

$string = strip_tags($string);

输出：

$string = 'text text http://www.google.com text http://www.yahoo.com text.';

有人可以告诉我这是怎么做到的吗？

Answer 1

如果您的字符串不仅包含您显示的HTML代码段，则应使用DOM <{3}}

//span/@data-url

示例：

$dom = new DOMDocument;
$dom->loadHTML($string);
$xp = new DOMXPath($dom);
foreach( $xp->query('//span/@data-url') as $node ) {
    echo $node->nodeValue, PHP_EOL;
}

上面会输出

http://www.google.com
http://www.yahoo.com

如果您已加载HTML，也可以

echo $dom->documentElement->textContent;

在这种情况下，

返回与strip_tags($string)相同的结果：

text text
google.com
text yahoo.com text.

Answer 2

尝试使用SimpleXML并按元素使用 - 然后检查class属性是否有效并抓住data-url的

Answer 3

preg_match_all("/data/" data-url=/"([^']*)/i", $string , $urls);

您可以通过这种方式获取所有URl a =。

你也可以使用simplexml作为 hsz 提到的

Answer 4

简短的回答是：不要。在这周围有一个可爱的咆哮，解释了为什么用正则表达式解析html是一个坏主意。从本质上讲，它归结为'html不是常规语言，因此正则表达式不足以解析它'。你需要的是DOM意识到的东西。

正如@hsz所说，如果您知道您的html验证为XML，那么SimpleXML是一个不错的选择。更好的可能是DOMDocument::loadHTML，它不需要格式良好的HTML。一旦你的html在DOMDocument对象中，你就可以很容易地提取你的内容。查看文档here。

如何使用正则表达式在PHP中剥离标签？

4 个答案: