使用php正则表达式从html文档liveurl中获取任何用户输入的html标记

Question

我想获取HTML页面上可用的任何元、标题、脚本、链接标记，这是我编写的程序（不正确，但会为专家提供想法）。

<?php
function get_tag($tag_name, $url)
{
    $content = file_get_contents($url);
    // this is not correct : regular expression please //
    preg_match_all($tag_name, $content, $matches);
    return $matches;
}
print_r(get_tag('title', 'http://stackoverflow.com'));
?>

输出应该是这样的：

Array
(
    [0] => title
    [1] => Stack Overflow
)

谢谢！！

Answer 1

function get_tags($tag, $url) {
//allow for improperly formatted html
libxml_use_internal_errors(true);
// Instantiate DOMDocument Class to parse html DOM
$xml = new DOMDocument();
// Load the file into the DOMDocument object
$xml->loadHTMLFile($url);
// Empty array to hold all links to return
$tags = array();
//Loop through all tags of the given type and store details in the array
foreach($xml->getElementsByTagName($tag) as $tag_found) {
      if ($tag_found->tagName == "meta")
      {
        $tags[] = array("meta_name" => $tag_found->getAttribute("name"), "meta_value" => $tag_found->getAttribute("content"));
      }
      else {
    $tags[] = array('tag' => $tag_found->tagName, 'text' => $tag_found->nodeValue);
     }
}
//Return the links
return $tags;
}

这个答案实际上会将标记的名称作为第一个数组值，而不是"array"，并且还会停止警告。

Answer 2

在使用regex解析HTML之前，您需要阅读此问题的第一个答案。

尝试使用DOMDocument，如下所示：

<?
function get_tags($tags, $url) {
    // Create a new DOM Document to hold our webpage structure
    $xml = new DOMDocument();
    // Load the url's contents into the DOM
    $xml->loadHTMLFile($url);
    // Empty array to hold all links to return
    $tags_found = array();
    //Loop through each <$tags> tag in the dom and add it to the $tags_found array
    foreach($xml->getElementsByTagName($tags) as $tag) {
        $tags_found[] = array('tag' => $tags, 'text' => $tag->nodeValue);
    }
    //Return the links
    return $tags_found;
}
print_r(get_tags('title', 'http://stackoverflow.com'));
?>

Answer 3

由于这些标记不能嵌套，因此不需要解析。

#<(meta|title|script|link)(?: .*?)?(?:/>|>(.*?)<(?:/1)>)#is

如果你在函数中使用这个，你将不得不写$tag_name，而不是"meta|title|script|link"。