Question

在变量$url中，包含网站内容

下面div中的

包含页面的所有主要内容

<div id="mw-content-text" lang="pt" dir="ltr" class="mw-content-ltr">

我想找到“{strong>História”的<H2>

<h2><span id="Hist.C3.B3ria"></span><span class="mw-headline" id="História">História</span><span class="mw-editsection"><span class="mw-editsection-bracket">[</span><a href="/w/index.php?title=Adamantina&amp;veaction=edit&amp;section=1" class="mw-editsection-visualeditor" title="Editar secção: História">editar</a><span class="mw-editsection-divider"> | </span><a href="/w/index.php?title=Adamantina&amp;action=edit&amp;section=1" title="Editar secção: História">editar código-fonte</a><span class="mw-editsection-bracket">]</span></span></h2>

关闭<h2>的开始</h2>标记之间的

有很多代码，因为可以看到上面的

但我需要在包含“História”的<p>标记之后只获得前两段</h2>

preg_match_all('/<h2>(.+)</h2>/s', $url, $content);

如何输入必须包含“História”的正则表达式，以及如何仅过滤</h2>标记后的前两个段落？

Answer 1

您甚至不应该尝试使用正则表达式执行此操作。您正在解析HTML文档，正确的工具是DOM解析器。 PHP有DOMDocument和DOMXPath个类可以使用，所以不要三思而后行：

$document = new DOMDocument();
$document->loadHTML(mb_convert_encoding($html, 'HTML-ENTITIES', 'UTF-8'));
$domxpath = new DOMXPath($document);
$paragraphs = $domxpath->query('
    //h2[*[
            contains(text(), "História")
          ]
        ]
    /following-sibling::p[
            position() < 3
        ]
');
var_dump($paragraphs);

PHP live demo

$paragraphs中有两个以下的兄弟段落。你需要迭代它们来做你想做的事。

Preg_match_all - 标记后的第2个段落

1 个答案: