可能的重复：
使用 PHP 解析 HTML 的最佳方法 https://stackoverflow.com/questions/3577641/best-methods-to-parse-html-with-php
我正在尝试使用正则表达式解析网页，但在使其以可靠的方式工作时遇到了一些麻烦。
假设我想解析创建 div 元素的代码，并且我想提取之间的所有内容<div> and </div>。现在，这段代码could只是<div></div>，但它也很可能是这样的：
<div class="thisIsMyDivClass"><p>This text is inside the div</p></div>
如何确保无论初始 div 标签和相应的最后一个 div 标签的大于/小于符号之间有多少个字符，我都会始终only获取中间的内容them？如果我指定后面的字符数<可以是从一到一万的任何东西，我将始终提取>一万个字符之后，因此（很可能，除非中间有很多代码或文本）检索一堆我不需要的代码。
这是我到目前为止的代码（由于上述原因不可靠）：
/<.{1,10000}>/
正则表达式描述了所谓的正则语言 - 或类型 3乔姆斯基层次结构 http://en.wikipedia.org/wiki/Chomsky_hierarchy。另一方面HTML 是一种上下文无关的语言 https://stackoverflow.com/questions/5175840/is-html-a-context-free-language这是乔姆斯基层次结构中的类型 2。所以：一般来说，没有办法用正则表达式可靠地解析 HTML。请改用 HTML 解析器。对于 PHP，您可以在这个问题中找到一些建议：如何在 PHP 中解析和处理 HTML/XML？ https://stackoverflow.com/questions/3577641/best-methods-to-parse-html-with-php
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
