1

Сейчас пишу парсер html страниц. Для этого получаю dom страницы и считываю все ссылки. Для того, чтобы узнать является ли ссылка, ссылкой на статью, мне нужно сначала удалить все теги в теге a, вместе с содержимым, и после получить текст.
Для этого я использую регулярные выражения, чаще всего попадаются такие теги, как div, span, b, i, p, strong. Чтобы их очистить, я использую 6 регулярных выражений.

$clean_title = preg_replace("'<span[^>]*?>.*?</span>'si","", $title);
$clean_title = preg_replace("'<p[^>]*?>.*?</p>'si","", $clean_title);
$clean_title = preg_replace("'<div[^>]*?>.*?</div>'si","", $clean_title);
$clean_title = preg_replace("'<strong[^>]*?>.*?</strong>'si","", $clean_title);
$clean_title = preg_replace("'<i[^>]*?>.*?</i>'si","", $clean_title);
$clean_title = preg_replace("'<b[^>]*?>.*?</b>'si","", $clean_title);

Как можно соединить их в одно регулярное выражение, вместо 6?

1
  • 1
    зачем вы мучаете дом и себя :) загрузите в DOMDocument и найдите все элементы a
    – splash58
    30 апр 2016 в 10:38

1 ответ 1

4

Разбираться с HTML при помощи регулярных выражений дело совсем неблагодарное. Давайте это сделаем более-менее правильно. Вот так вы получите список всех ссылок в документе, а дальше отбирайте нужные...

$doc = new DOMDocument();
$doc->loadHtml($pageHtml);
$a = $doc->getElementsByTagName("a");
    foreach($a as $item) {
      $href =  $item->getAttribute("href");
      $text = $item->nodeValue;
    }
2
  • Все верно, но мне нужно получить именно текст, который находится внутри ссылок и узнать его длину, чтобы узнать заголовок это или нет. Для этого, после получения ссылок тем способом, что вы описали выше, мне нужно удалить из них все лишние теги, вместе с лишним текстом.
    – vellmur
    1 мая 2016 в 12:37
  • вы хотите сказать, что nodeValue дает innerhtml ?
    – splash58
    1 мая 2016 в 12:47

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge you have read our privacy policy.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.