可能重复：
用PHP 解析HTML的最佳方法
我知道我应该使用像php-domdocument这样的html解析器(http://docs.php.net/manual/en/domdocument.loadhtml.php)或汤。
如何使用php-domdocument提取特定标记之间的文本，例如获取h1、h2、h3、p、table之间的文本？似乎我只能用getelementbytagname对一个标记执行此操作。
对于这样的任务，有更好的html解析器吗？或者我该如何循环浏览php-domdocument？
你是对的，使用DomDocument(因为regex不是解析HTML的好主意。为什么？请参阅此处和此处了解原因(。
getElementsByTagName为您提供了一个DOMNodeList，您可以对其进行迭代以获得所有找到的元素的文本。所以，你的代码可能看起来像：
$document = new 'DOMDocument();
$document->loadHTML($html);
$tags = array ('h1', 'h2', 'h3', 'h4', 'p');
$texts = array ();
foreach($tags as $tag)
{
$elementList = $document->getElementsByTagName($tag);
foreach($elementList as $element)
{
$texts[$element->tagName][] = $element->textContent;
}
}
return $texts;
请注意，您可能会在其中进行一些错误处理，并且还会丢失文本的上下文，但您可能会根据需要编辑此代码。
您可以使用正则表达式来执行此操作。
preg_match_all('#<h1>([^<]*)</h1>#Usi', $html_string, $matches);
foreach ($matches as $match)
{
// do something with $match
}
我不确定你的来源是什么，所以我添加了一个函数来通过URL获取内容。
$file = file_get_contents($url);
$doc = new DOMDocument();
$doc->loadHTML($file);
$body = $doc->getElementsByTagName('body');
$h1 = $body->getElementsByTagName('h1');
我不确定这部分：
for ($i = 0; $i < $items->length; $i++) {
echo $items->item($i)->nodeValue . "'n";
}
或者：
foreach ($items as $item) {
echo $item->nodeValue . "'n";
}
以下是有关nodeValue的更多信息：http://docs.php.net/manual/en/function.domnode-node-value.php
希望它能有所帮助！