Fatal编程技术网
  • php/
  • Php 提取html标记之外的文本

Php 提取html标记之外的文本

php regex

Php 提取html标记之外的文本,php,regex,Php,Regex,我正在尝试使用preg_match（）提取文本，它不包含在像或这样的标记中。本文是从数据库中检索的，我正在使用PHP This should be extracted <p>I do not want this</p> This should be extracted <a>This may appear after other tags and I do not want this</a> 这应该被提取我不希望这个这应该被提取，但是当我将它粘贴

我正在尝试使用
preg_match（）
提取文本，它不包含在像
或
这样的标记中。本文是从数据库中检索的，我正在使用PHP


This should be extracted <p>I do not want this</p> This should be extracted <a>This may appear after other tags and I do not want this</a>



这应该被提取我不希望这个
这应该被提取，但是当我将它粘贴到regex101.com时，提供的regex有一个模式错误

非常感谢您在这方面的帮助。
您可以使用PHP和获取所需的值。诀窍是将数据库中的HTML包装在（例如）一个
标记中，然后可以将其加载到
DOMDocument
中，并使用
DOMXPath
搜索
标记的子项，这些子项使用
text（）
路径纯文本：


$html = 'This should be extracted <p>I do not want this</p> This should also be extracted <a>This may appear after other tags and I do not want this</a>';
$doc = new DOMDocument();
$doc->loadHTML("<div>$html</div>", LIBXML_HTML_NODEFDTD | LIBXML_HTML_NOIMPLIED);
$xpath = new DOMXPath($doc);
$texts = array();
foreach ($xpath->query('/div/text()') as $text) {
    $texts[] = $text->nodeValue;
}
print_r($texts);



最好使用DOM解析器，HTML的正则表达式总是脆弱的。有关@barmar的正确原因，请参阅以下问题和答案：@barmar感谢您的回答。由于我的文本本身不是来自html或xml文件，而是来自数据库，因此它没有body或head标记。我检查了解析器是否使用getElementsByTagName访问节点，但我想要的文本不在标记中。有没有办法获取不在标记中的文本？@claris你是说你的数据库包含HTML标记吗？@Funk 49 Niner是的，不幸的是，由于我正在处理一个遗留系统，数据库包含HTML标记。

Array ( 
    [0] => This should be extracted
    [1] =>  This should also be extracted 
)