Question

我有这个HTML代码：

<marquee  align="left" id="LatestNewsM" SCROLLAMOUNT="4" loop="infinite" direction="right">

            <font dir="rtl" valign="top" class="StringTheme" style="font-size:14px;">test test test</font>  
            <img src="/Portal/images/LightVersionWeb2/jazeeraTicSep.gif" align="middle">

            <font dir="rtl" valign="top" class="StringTheme" style="font-size:14px;">test sample text sample</font>  
            <img src="/Portal/images/LightVersionWeb2/jazeeraTicSep.gif" align="middle">

            <font dir="rtl" valign="top" class="StringTheme" style="font-size:14px;">text text 222 another text</font>  
            <img src="/Portal/images/LightVersionWeb2/jazeeraTicSep.gif" align="middle">
            ...........
            .....
</marquee>

和这个PHP代码：

$homepage = file_get_contents('http://www.site.com');

如何搜索内容并仅获取字体标记<font>

中的文字

Answer 1

你有几个选项，ThiefMaster提到的一个选项是不使用“正则表达式”，使用strpos和substr或使用DOM / XML解析器。

如果你使用正则表达式，你最终可能会得到这样的结果：

/<font[^>]*>.*<\/font>/i

在这样的数据上运行时：

> Hello, this is my brutal <font>font
> <font>tag</font> right</font> it is

你最终会得到（如果贪婪）

<font>font <font>tag</font> right</font>

或者如果不合适

<font>font <font>tag</font>

你可以使用负向前看并做得更好，但它仍然不是一个好的解决方案（这个例子是为了告诉你为什么，正则表达式保持尽可能简单）

如果你使用strpos和substr，你必须逐个查看所有字符并自己解析文档（匹配开始和结束标记，跳过属性）或者你可以尝试

$opening = strpos($dataset, '<font', $closing) // closing is at offset zero
$closing = strpos($dataset, '</font', $opening) // start at opening tag

依此类推，直到你解析它为止。

如果您使用DOM / XML解析器，您可能需要考虑这一点，使用file_get_contents或file（）将整个文件加载到内存中，就像大多数DOM / XML解析器一样，我会使用XMLReader（Streaming而不是加载整个文件）在内存中，解析它，构建树），它更有效。

P.S。在这里很晚（凌晨3点），请原谅任何拼写错误的单词。谢谢。：）

Answer 2

有用：
http://php.net/manual/en/function.strip-tags.php - 从文本中删除所有标记 http://php.net/manual/en/book.simplexml.php - 解析XML

如果HTML有效（目前没有 - 'img'标签未关闭），可以使用以下内容：

$xml = new SimpleXMLElement($data);
$fonts = $xml->xpath('/marquee/font');
foreach ($fonts as $font) print $font[0].PHP_EOL;

使用PHP解析HTML DOM

2 个答案: