获取html中的内容不起作用答案

【问题标题】：get content inside html not working获取html中的内容不起作用
【发布时间】：2013-04-16 04:52:15
【问题描述】：

我正在尝试从网站内部提取 html 内容。我只想要标签内的内容。

    //$validLink is a link with .htm extension, source code is rather large 
    //contains 24,000 lines of html code

    $thehtml = file_get_contents($validlink);
    $thehtml = preg_match("/<body.*?>(.*?)<\/body>/is", $thehtml);

我还能做什么？ $thehtml 是空的......我正在尝试将其插入到 wordpress 帖子中......但 $thehtml 是空的......出于某种奇怪的原因。是否有可能的超时问题或什么？？？

不可能有超时问题.....因为我注意到如果我只输出 file_get_contents($validlink);由于某种原因找不到BODY.....

另一种可能的解决方案是获取文档中第一个 div 和最后一个 div 之间的内容....

【问题讨论】：

使用 DOM 解析器，而不是正则表达式，从 HTML 中提取信息。

标签： php file-get-contents

【解决方案1】：

使用标签开始和结束的'strpos（）'获取字符串位置，然后使用子字符串方法，即带有此位置的substr（）

【讨论】：

谢谢，我可以用 substr() 和 strpos() 等来说话。

【解决方案2】：

$thehtml = file_get_contents($validlink);
$thehtml = preg_match("/<body.*?>(.*?)<\/body>/is", $thehtml,$matches);
$thehtml = $matches[0];

【讨论】：

【解决方案3】：

这是正确的代码：

$thehtml = file_get_contents($validlink);
preg_match('/<body.*?>(.*?)<\/body>/is', $thehtml, $matches);
$thehtml = $matches[1];

但我建议你改用DOM parser。

【讨论】：

你会如何用 DOM Parser 来做呢？ $thehtml = file_get_contents($validlink); $dumphtml = $thehtml->find('body')->innertext; ???