Preg_match_all - </h2> 标签后的 2 个第一段

Question

在变量$url 中，包含网站的内容

下面的div里面有页面的所有主要内容

<div id="mw-content-text" lang="pt" dir="ltr" class="mw-content-ltr">

我想查找具有“História”的<H2>

<h2><span id="Hist.C3.B3ria"></span><span class="mw-headline" id="História">História</span><span class="mw-editsection"><span class="mw-editsection-bracket">[</span><a href="/w/index.php?title=Adamantina&amp;veaction=edit&amp;section=1" class="mw-editsection-visualeditor" title="Editar secção: História">editar</a><span class="mw-editsection-divider"> | </span><a href="/w/index.php?title=Adamantina&amp;action=edit&amp;section=1" title="Editar secção: História">editar código-fonte</a><span class="mw-editsection-bracket">]</span></span></h2>

在结束</h2>的开始<h2>标签之间有很多代码，可以在上面看到

但我只需要在包含“História”的</h2>标签之后获取前两段<p>

preg_match_all('/<h2>(.+)</h2>/s', $url, $content);

如何输入必须具有“História”的正则表达式，以及如何仅过滤</h2> 标记后的前两段？

Answer 1

您甚至不应该尝试使用正则表达式来做到这一点。您正在解析 HTML 文档，而正确的工具是 DOM 解析器。 PHP 有 DOMDocument 和 DOMXPath 类可以使用，所以不要三思而后行：

$document = new DOMDocument();
$document->loadHTML(mb_convert_encoding($html, 'HTML-ENTITIES', 'UTF-8'));
$domxpath = new DOMXPath($document);
$paragraphs = $domxpath->query('
    //h2[*[
            contains(text(), "História")
          ]
        ]
    /following-sibling::p[
            position() < 3
        ]
');
var_dump($paragraphs);

PHP live demo

$paragraphs 中有两个以下同级段落。你需要遍历它们来做任何你想做的事情。