在 PHP 中从 HTML 中提取所有文本和 img 标签。 [复制]

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

对于一个项目，我需要获取一个 HTML 页面并从中提取所有文本和 img 标签，并保持它们在网页中出现的顺序。

例如，如果网页是：

<p>Hi</p>
<a href ="test.com" alt="a link"> text link</a>
<img src="test.png" />
<a href ="test.com"><img src="test2.png" /></a>

我想用这种格式检索该信息：

text - Hi
Link1 - <a href ="test.com">text link</a>  notice without alt or other tag
Img1 - test.png  
Link2 - <a href ="test.com"><img src="test2.png" /></a>  again no tag

有没有办法在 PHP 中做到这一点？

有没有办法在 php 中做到这一点？

是的，您可以先剥离所有您不感兴趣的标签，然后使用DOMDocument http://php.net/DOMDocument删除所有不需要的属性。最后需要重新运行strip_tags http://php.net/strip_tags删除添加的标签DomDocument:

$allowed_tags = '<a><img>';
$allowed_attributes = array('href', 'src');

$html = strip_tags($html, $allowed_tags);
$dom = new DOMDocument();

$dom->loadHTML($html);

foreach($dom->getElementsByTagName('*') as $node)
{
    foreach($node->attributes as $attribute)
    {
        if (in_array($attribute->name, $allowed_attributes)) continue;
        $node->removeAttributeNode($attribute);
    }
}

$html = $dom->saveHTML($dom->getElementsByTagname('body')->item(0));
$html = strip_tags($html, $allowed_tags);

Demo http://codepad.viper-7.com/1Ro4z1