PHP解析HTML代码

Question

可能是重复问题：
解析HTML的最佳方法

如果PHP变量中包含类似以下内容的HTML代码，我该如何解析它：

<h1>T1</h1>Lorem ipsum.<h1>T2</h1>The quick red fox...<h1>T3</h1>... jumps over the lazy brown FROG!

我希望只获取在标题之间的文本，我知道使用正则表达式并不是一个好主意。

- Francisc

---

@everyone 现在已经关闭了重复的帖子，但是这个帖子与之不同。因为原始帖主不是想要文本“T1、T2、T3”，而是想要在一个标题结束和下一个标题开始之间的文本内容，例如“Lorem ipsum.”。因此，这篇帖子是不同的，请看一下。 - shamittomar

Answer 1

使用 PHP 文档对象模型：

<?php
   $str = '<h1>T1</h1>Lorem ipsum.<h1>T2</h1>The quick red fox...<h1>T3</h1>... jumps over the lazy brown FROG';
   $DOM = new DOMDocument;
   $DOM->loadHTML($str);

   //get all H1
   $items = $DOM->getElementsByTagName('h1');

   //display all H1 text
   for ($i = 0; $i < $items->length; $i++)
        echo $items->item($i)->nodeValue . "<br/>";
?>

这会输出为：

 T1
 T2
 T3

---

[编辑]: 根据提问者的澄清:

如果你想要像 Lorem ipsum. 这样的内容，你可以直接使用这个正则表达式：

<?php
   $str = '<h1>T1</h1>Lorem ipsum.<h1>T2</h1>The quick red fox...<h1>T3</h1>... jumps over the lazy brown FROG';
   echo preg_replace("#<h1.*?>.*?</h1>#", "", $str);
?>

这个输出结果为：

Lorem ipsum.The quick red fox...... 跳过那只懒惰的棕色青蛙

- shamittomar

---

谢谢，但我需要获取<h1></h1>之间的文本，例如："Lorem ipsum."，"The quick red fox..."等。因此不是H1标签之间的文本，而是在结束</h1>标签和开始<h1>标签之间的文本。 - Francisc

更接近了，谢谢。我会尽力更清楚：我想获取标题之间的文本，计算其长度，并决定是否要隐藏部分内容。虽然你的回答非常有帮助。但我想做的是保留所有文本，只需添加一些HTML来隐藏部分内容。 - Francisc

这是一个很好的提示@shamittomar！谢谢你！有一个建议，也许使用foreach而不是for循环会更加简洁，但这确实帮了我很大的忙。 - cbloss793