php截取HTML标签内文本怎么写？preg_match正则-php教程-PHP中文网

推荐用 DOMDocument 解析 HTML 提取文本，因其能正确处理嵌套、属性、注释等复杂情况；正则仅适用于简单场景，存在无法处理嵌套标签、CDATA、属性含>等问题。

php截取html标签内文本怎么写？preg_match正则

<p>直接用 <strong>preg_match</strong> 提取 HTML 标签内的文本，核心是匹配开始标签、中间内容、结束标签，并捕获中间的文本部分。但要注意：正则处理 HTML 有局限性（比如嵌套标签、属性含 <code>></code>、注释、CDATA 等），简单场景可用，复杂结构推荐 DOM 解析器。</p>

<h3>基础写法：提取单个标签的纯文本</h3>
<p>例如提取 <code><p>Hello</p></code> 中的 <code>Hello</code>：</p>
<font color="#888">
<pre class="brush:php;toolbar:false;"><code>$html = '<p class="intro">Hello & welcome!</p>';
if (preg_match('/<p>]*>(.*?)/is', $html, $matches)) {
    echo htmlspecialchars($matches[1]); // 输出：Hello & welcome!
}</p></code>

[^>]* 防止匹配到标签内部的 >，比 .*? 更安全
(.*?) 非贪婪捕获标签之间内容（含 HTML 实体、空格、换行）
i 修饰符忽略大小写（匹配 HTML设计工具专业版企业级HTML/CSS设计系统,支持设计令牌、组件库、批量生成、主题切换与团队协作,适合团队与商业项目。下载 或）
s 修饰符让 . 匹配换行符

提取多个同名标签的内容

用 preg_match_all 获取所有匹配项：

<code>$html = '<div>第一段</div>
<div id="second">第二段</div>
<span>不是 div</span>';
preg_match_all('/<div>]*>(.*?)/is', $html, $matches);
// $matches[1] 是所有 div 标签内的文本数组
print_r($matches[1]); // ['第一段', '第二段']


<h3>更健壮一点：跳过含 script/style 的标签</h3>
<p>如果想排除 <code><script></script></code>、<code><style></style></code> 内容（避免误匹配），可加负向先行断言（需谨慎）：</p>
<font color="#888">
<pre class="brush:php;toolbar:false;"><code>// 简单过滤：不匹配 script 和 style 开头的标签
preg_match_all('/]*>(.*?)/is', $html, $matches);</code>

(?!script|style) 表示后面不能紧跟着 script 或 style
\1 回溯引用，确保闭合标签和开始标签名一致（如 ...）
仍无法处理自闭合标签（）、HTML 注释或属性里含 > 的情况

真正可靠的做法：用 DOMDocument

对任意合法 HTML，推荐用 PHP 原生 DOM：

<code>$dom = new DOMDocument();
libxml_use_internal_errors(true); // 忽略 HTML 警告
$dom->loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
$xpath = new DOMXPath($dom);

// 获取所有 p 标签的文本（自动解码 HTML 实体、忽略脚本内容）
$nodes = $xpath->query('//p');
foreach ($nodes as $node) {
    echo trim($node->textContent) . "\n";
}</code>