Php 正则表达式提取HTML，保留文本

我有一段HTML：

<div class="embed">
<iframe width="300" height="200" frameborder="0" allowfullscreen="" src="http://www.youtube.com/embed/123456"></iframe>
Some text I don't want
</div>

正在回响：

<iframe width="300" height="200" frameborder="0" allowfullscreen="" src="http://www.youtube.com/embed/123456"></iframe>Some text I don't want

一些我不想要的文本

所以我不想解析整个文档，只想解析这个特定的字符串

别担心，这不是“外部用户”输入的HTML，在任何人指出允许原始代码进入页面的安全问题之前

我需要提取HTML，但保留文本（因此看起来像这样）：

---

有多个不同的嵌入代码，所以我想我要问的是，删除未包装在HTML元素中的文本（介于<和>）的最佳方法是什么（这是一个简单的正则表达式，在99%的情况下可以实现您想要的功能：

<[^>]+>

]+>

但它所做的只是匹配XML/HTML标记。仅此而已。没有明确的方法告诉它只匹配某个节点（如

）的DOM子树内的文本。为此，您需要使用上下文无关的解析器，如DOM解析器

您的示例输入将匹配到：

{
    "<div class="embed">",
    "<iframe width="300" height="200" frameborder="0" allowfullscreen="" src="http://www.youtube.com/embed/123456">",
    "</iframe>",
    "</div>"
}

{
"",
"",
"",
""
}

考虑到这一点：

输入文本，尽管在技术上被注释掉，但最终还是会提取出

。不过，事先删除所有出现的regex

应该可以解决这个问题

---

总之，一般来说，最好对任何XML/HTML使用DOM解析器。

这是一个简单的正则表达式，在99%的情况下都能满足您的需要：

<[^>]+>

]+>

但它所做的只是匹配XML/HTML标记。仅此而已。没有明确的方法告诉它只匹配某个节点（如

）的DOM子树内的文本。为此，您需要使用上下文无关的解析器，如DOM解析器

您的示例输入将匹配到：

{
    "<div class="embed">",
    "<iframe width="300" height="200" frameborder="0" allowfullscreen="" src="http://www.youtube.com/embed/123456">",
    "</iframe>",
    "</div>"
}

{
"",
"",
"",
""
}

考虑到这一点：

输入文本，尽管在技术上被注释掉，但最终还是会提取出

。不过，事先删除所有出现的regex

应该可以解决这个问题

---

总之，一般来说，最好对任何XML/HTML使用DOM解析器。

可能的重复项和几十个其他项。此外，使用正则表达式解析HTML/XML或任何具有自己解析器的项几乎总是一个坏主意，通常会导致比它解决的问题更多的问题。可能的重复项和几十个其他项。此外，使用例如，解析HTML/XML或任何其他有自己解析器的东西几乎总是一个坏主意，通常会导致比它解决的问题更多的问题。@Gordon：确实如此，正如我在回答中提到的（一分钟前的忍者更新）。在这本书中，我还建议如果需要在DOM树中设置搜索范围，就使用DOM解析器。@Gordon，@kieran:没必要为此争吵，伙计们。从我的观点来看，这只是一个简单的误用。显然，@kieran所指的“未包装在HTML元素中的文本”是“不在任何一对

”之间。如果我对这个假设是正确的，那么简单地用“HTML标记括号对”（或类似的）替换“HTML元素”应该足以修复错误的措辞/混淆。@Gordon:确实如此，正如我在回答中提到的（一分钟前的忍者更新）。在这篇文章中，我还建议如果需要在DOM树中设置搜索范围，就改用DOM解析器。@Gordon，@kieran:没必要为此争吵，伙计们。从我的观点来看，这只是一个简单的误用。显然，@kieran所指的“没有包装在HTML元素中的文本”是不在任何一对

”之间。如果我对这个假设是正确的，那么简单地用“HTML标记括号对”（或类似的）替换“HTML元素”应该足以修复误用/混淆。

{
    "<div class="embed">",
    "<iframe width="300" height="200" frameborder="0" allowfullscreen="" src="http://www.youtube.com/embed/123456">",
    "</iframe>",
    "</div>"
}