如何使用php从数组中的html中获取单词？

此代码以字符串形式返回网站的html。如何将字符串分隔为不同的单词？在获得数组中的单个单词后，我想检测哪个单词是德语的…

使用正则表达式，类似这样

<?php
$html = file_get_contents('http://hypermedia.ids-mannheim.de/');
?>

代码示例：

#([\w]+)#i

然后你必须把每一本都与某种词典进行比较

if(preg_match_all('#([\w]+)\b#i', $text, $matches)) {
    foreach($matches[1] as $key => $word) {
        echo $word."\n";
    }
}

或

---

第二个不仅考虑空间字符作为定界符，而且考虑制表符和逗号。

我认为你需要把问题分成几个步骤。 首先分析返回的html字符串，找出哪个部分是html标记和结构。你可以用它来达到这样的目的

然后，您可以将innerHTML数据与标记分离，并将innerHTML文本拆分为标记以获得数组。不知道最好的方法，但一个简单的数组正则表达式拆分可以完成这项工作

---

查找德语单词的有趣部分可以通过将单词表与词典进行匹配来完成，也可以使用数组或地图。。或者，更好的是，使用DB（SQLlite可能比mysql等真正的rdbms更好）

酷，这些词都完成了，但是如何从grammis®中的®等词中丢失某些特殊字符呢？我只想用A-Z和A-Z和ä来组成单词。

$words = explode(' ', strip_tags($html));

$words = preg_split("/[\s,]+/", strip_tags($html));