Php 呼应<；a>；有class="；pret"；来自html文档

我有一个php

$content

格式的html文档。我可以回显它，但我只需要所有的

我尝试了更多来自www的示例，但我要么得到空数组，要么得到php错误

一个regex示例为我提供了一个空数组（表中有

标记）

各种错误的原因：未验证的html、非utf 8字符

---

接下来，我在另一个网站上做了这项工作，匹配了单个SQL表中的内容，结果是复制了一个网站，其中包含来自我国的更新数据。我将不再在www上搜索匹配的单个结果。

希望您尝试解析有效（至少足够有效）的HTML文档，您应该使用：

// Simple example from php manual from comments
$xml = new DOMDocument(); 
$xml->loadHTMLFile($url); 
$links = array(); 

foreach($xml->getElementsByTagName('a') as $link) { 
    $links[] = array('url' => $link->getAttribute('href'),
                     'text' => $link->nodeValue); 
} 

注意使用not（它只是对错误更具鲁棒性）。您还可以设置（正如hakre在注释中所建议的），以便解析器尝试从错误中恢复

或者您可以使用（）：

对于无效HTML的情况，您可以像这样使用regexp：

$a1='\s*[^\'”=]+\s*=\s*“[^”]*'；#具有“-空间容差”的属性
$a2=“\s*[^'\”=]+\s*=\s*'[^']*'”；#具有“-空间容差”的属性
$a3='\s*[^\'“=]+\s*=\s*[\w\d]*'#未转换的值-允许空间
#[^'”=]*#垃圾-我不会将此插入regexp，但您可能必须这样做
$a=“（？：$a1 |$a2 |$a2）*”；#任意数量的参数
$class='class=（[\'”]）pret\\1'；#Using？：仔细使用对\\1的工作至关重要
#否则，您可以使用[“']
$reg=“（.*？）获得了如下链接

preg_match_all('/<a[^>]*class="pret">(.*?)<\\/a>/si', $content, $links);
print_r($links[0]);

preg_match_all（'/...）

因此，我需要获取
href
中的第一个数字以及
span
之间的数字，为什么不使用dom解析器而不是一个复杂的regexp？您的（任意）regexp将来很可能会崩溃。您应该使用来完成它。我确实尝试过dom，但导致了错误，因此我认为我使用regex得到的空数组更接近结果，我们可以问一下您得到了什么错误吗？500内部服务器错误尝试了类似的操作，相同的错误消息，因此可能是文档不是有效的HTML……。painafter使用w3验证，很抱歉！无法检查此文档。非utf 8字符…因此，删除非utf 8字符可能会有所帮助？如果没有非utf 8字符，html 5验证程序会说托盘结束标记头。；看到正文开始标记，但相同类型的元素已打开。。在上次错误后无法恢复。任何进一步的错误都将被忽略。-还有e错误可以被抑制，只需在这个网站上搜索现有的问答。我们已经涵盖了所有这些案例。
// Simple example from php manual from comments
$xml = new DOMDocument(); 
$xml->loadHTMLFile($url); 
$links = array(); 

foreach($xml->getElementsByTagName('a') as $link) { 
    $links[] = array('url' => $link->getAttribute('href'),
                     'text' => $link->nodeValue); 
} 

$xpath = new DOMXpath($doc);
$elements = $xpath->query("//a[@class='pret']");

if (!is_null($elements)) {
    foreach ($elements as $element) {
        $links[] = array('url' => $link->getAttribute('href'),
                         'text' => $link->nodeValue); 
    }
}

preg_match_all('/<a[^>]*class="pret">(.*?)<\\/a>/si', $content, $links);
print_r($links[0]);

Array(
[0] => <a href='/word_word_34670_word_number.htm' class="pret"><span>3340.3570 word</span></a>..........)