Php 如何从html字符串中检索html元素开始标记？

我正在尝试从html字符串中检索开始标记。我想包括

中的所有内容

现在，我正试图这样做，但它似乎导致了编码问题，因为当我打印生成的$html utf-8字符时显示不正确：

        $dom = new DOMDocument();
        $dom->loadHTML($html);

        //Evaluate Anchor tag in HTML
        $xpath = new DOMXPath($dom);


        $elements = $xpath->evaluate("/html/body//h1");

        for ($i = 0; $i < $elements->length; $i++) {
            print_r($elements->item($i));
        }

        // save html
        $html=$dom->saveHTML();

$dom=newdomdocument（）；
$dom->loadHTML（$html）；
//在HTML中计算锚定标记
$xpath=newdomxpath（$dom）；
$elements=$xpath->evaluate（“/html/body//h1”）；
对于（$i=0；$i<$elements->length；$i++）{
打印（$elements->item（$i））；
}
//保存html
$html=$dom->saveHTML（）；

---

我怎样才能确保它包含了所有的东西，直到

结束？

不是专家，但我做到了：

<h1( [^>]*(["'].*["'])\1*)?>

]*（[“].[“]]）\1*）？>

以下是我的测试：

更新1:

<h1\s*>|(.*=['"]*[^'"]*['"]*)>

<h1(.+=((['"]+[^'"]*['"]+)|[0-9]+))*\s*>

|（.*=['”]*[^']*['”]*['”]*）>

更新2:

<h1\s*>|(.*=['"]*[^'"]*['"]*)>

<h1(.+=((['"]+[^'"]*['"]+)|[0-9]+))*\s*>

---

我对应该支持h1标记的内容进行了建模。

不要为此使用正则表达式。嗨，昆汀，正如你建议的那样，我使用了DOM。我将稍后上载实现。我刚刚编辑了问题以显示我在做什么，但是我在编码方面遇到了问题，我不确定evaluate方法是如何工作的，因此可能会导致问题。@DJDavid98不会的“不能很好地处理

之类的事情。看看如果使用regex解析HTML会发生什么：@Oriol任何

不属于HTML标记的代码都应该转义为

和

。如果有人在使用regex的同时使用这样的有问题的代码，那是他们的错。它与

，

不匹配。”也不是

@Oriol，它现在已被部分更正，但仍然不匹配

或类似内容。更新1匹配

，但直到结束。@Oriol您有一组测试，对吗？；）请检查更新2。