我需要取一个html文本字符串，如:
<p>This is a line with no spans<br>
This is a line <span class="second">This is secondary</span><br>
This is another line <span class="third">And this is third</span> <span class="four">this is four</span></p>
在PHP中以数组的形式出现，如
array(
"This is a line with no spans",
array(
"This is a line",
second => "This is secondary",
),
array(
"This is another line",
third => "And this is third",
four => "this is four"
)
);
将每行设置为自己的值很容易，我只是用
这很好，但是将行与类名分开，我不能完全理解。我觉得php的preg_split可能是关键，但我对正则表达式有点糟糕，我不能弄清楚它。
任何想法?
您不应该尝试用正则表达式或其他方法解析HTML。它非常复杂，最终会出现可怕的维护问题。
我强烈建议你研究一下如何将一大块标记读入DOM文档[docs]，然后使用DOM方法来处理它，就像你在浏览器端一样。
使用正则表达式解析HTML(引用)不是一个好主意。它不是一个合适的工具;请看@ jaulde的回答
最好的方法是完全使用DOM。循环遍历所有子节点(包括文本节点)以按所需方式格式化数组。这样的:
$p = // get paragraph tag...
$lines = array();
$pChildren = $p->childNodes;
for ($i = 0; $i < $pChildren->length; $i++) {
$line = array();
$child = $pChildren->item($i);
if ($child instanceof DOMText) {
$line[] = $child->wholeText;
} elseif ($child instanceof DOMElement) {
if (strtolower($child->tagName) == 'br') {
$lines[] = $line;
$line = array();
} elseif (strtolower($child->tagName) == 'span' && $child->hasAttribute('class')) {
$line[$child->getAttribute('class')] = $child->nodeValue;
}
}
}
警告:将上述代码视为伪代码，它根本没有经过测试，只是根据经验和手册。
也许您可以使用XML解析器?这是文档