php - 拆分 html 代码标签和内容

Question

有没有比我更了解正则表达式的人知道如何拆分 html 代码，以便所有标签和所有单词都分开，即。

<p>Some content <a href="www.test.com">A link</a></p>

是这样分开的:

array = { [0]=>"<p>",
          [1]=>"Some",
          [2]=>"content",
          [3]=>"<a href='www.test.com'>,
          [4]=>"A",
          [5]=>"Link",
          [6]=>"</a>",
          [7]=>"</p>"

到目前为止，我一直在使用 preg_split，并且已经成功地设法通过空格拆分字符串或通过标签拆分 - 但是当我需要将其拆分为时，所有内容都在一个数组元素中。

有人帮帮我吗？

Answer 1

在这种情况下不应使用 preg_split。试试 preg_match_all:

$text = '<p>Some content <a href="www.test.com">A link</a></p>';
preg_match_all('/<[^>]++>|[^<>\s]++/', $text, $tokens);
print_r($tokens);

输出:

Array
(
    [0] => Array
        (
            [0] => <p>
            [1] => Some
            [2] => content
            [3] => <a href="www.test.com">
            [4] => A
            [5] => link
            [6] => </a>
            [7] => </p>
        )

)

我假设您忘记在示例中的 'A link' 中包含 'A'。

请注意，当您的 HTML 包含 < 或 > 不是标记的开始或结束时，正则表达式会把事情搞得一团糟! (因此警告)