如何找到第一个 h3 标签的内容？答案

【问题标题】：How can I find the contents of the first h3 tag?如何找到第一个 h3 标签的内容？
【发布时间】：2011-04-20 20:08:35
【问题描述】：

我正在寻找一个正则表达式来查找第一个 <h3> 标记的内容。我可以在那里使用什么？

【问题讨论】：

使用正则表达式进行这种 HTML 解析通常是个坏主意。请参阅：stackoverflow.com/questions/1732348/… 使用适当的 HTML 解析器。
如果你的 html 是 xhtml，你也可以使用 xpath 来达到这个目的。
PHP 具有解析 HTML DOM 的本机能力——您几乎肯定希望使用它而不是正则表达式。
我不知道为什么这会被否决 - 对于新手来说这是一个合理的问题。
我同意避免为此使用正则表达式的观点，但我认为所有的反对意见都有些苛刻——这不应该是一个你问问题的网站，因为你不知道吗？怎么办？

【解决方案1】：

嗯，一个简单的解决方案如下：

preg_match( '#<h3[^>]*>(.*?)</h3>#i', $text, $match );
echo $match[1];

对于更复杂的事情，您应该考虑使用 HTML 文档解析器。

【讨论】：

【解决方案2】：

preg_match("/&lt;h3&gt;(.*)&lt;\/h3&gt;/", $search_in_this_string, $put_matches_in_this_var);

【讨论】：

这里的表达式不正确（通常使用正则表达式是个坏主意）

【解决方案3】：

首先：正则表达式不是解析 HTML 代码的合适工具。但是在这种情况下，它们应该足够好，因为H3标签不能嵌套。

preg_match_all('/<h3[^>]*>(.*?)<\/h3>/si', $source, $matches);

$matches 变量应该包含来自H3 标签的内容。

【讨论】：

但是它们可以被注释掉，或者包含代码<h3 title="Wibble>Wobble">Wibble &gt; Wobble</h3>，或者类似的。

【解决方案4】：

PHP 具有本地解析 HTML DOM 的能力——您几乎肯定希望使用它而不是正则表达式。

详情见此页面：http://php.net/manual/en/book.dom.php

并检查右侧的相关问题是否有人提出非常相似的问题。

【讨论】：

【解决方案5】：

Here 解释了为什么用正则表达式解析 HTML 是邪恶的。无论如何，这是一种方法......

$doc = new DOMDocument();
$doc->loadHTML($text);
$headings = $doc->getElementsByTagName('h3');
$heading = $headings->item(0);
$heading_value = (isset($heading->nodeValue)) ? $heading->nodeValue : 'Header not found';

【讨论】：

【解决方案6】：

您应该使用 php 的 DOM 解析器而不是正则表达式。你正在寻找这样的东西（未经测试的代码警告）：

$domd = new DOMDocument();
libxml_use_internal_errors(true);
$domd->loadHTML($html_content);
libxml_use_internal_errors(false);

$domx = new DOMXPath($domd);
$items = $domx->query("//h3[position() = 1]");

echo $items->item(0)->textContent;

【讨论】：

肯定比我的尝试更优雅:)

【解决方案7】：

DOM 方法：

<?php

$html = '<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<html>
<head><title></title>
</head>
<body>

<h1>Lorem ipsum<h1>
<h2>Dolor sit amet<h2>
<h3>Duis quis velit est<h3>
<p>Cras non tempor est.</p>
<p>Maecenas nec libero leo.</p>
<h3>Nulla eu ligula est</h3>
<p>Suspendisse potenti.</p>

</body>
</html>
';

$doc = new DOMDocument;
$doc->loadHTML($html);

$titles = $doc->getElementsByTagName('h3');
if( !is_null($titles->item(0)) ){
    echo $titles->item(0)->nodeValue;
}

?>

【讨论】：

【解决方案8】：

使用 xpath 表达式，如

"/html/body/h3[0]"

这将选择整个第一个 h3 节点。

请注意，这不适用于格式错误的 html。

【讨论】：

使用 DOM 的 loadHTML()，这将适用于真实世界（读取损坏的）HTML。