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 that you have read and understand our privacy policy and code of conduct.

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