我需要在以下HTML代码中提取FIESTA ERASMUS ans/event/83318这两个词
<div id="tab-soiree" class=""><div class="soireeagenda cat_1">
<a href="/event/83318/" class="lienFly"><img src="http://www.parisbouge.com/img/fly/resize/100/83318.jpg" alt="fiesta erasmus" class="fly"></a>
<ul>
<li class="nom"><h2><a href="/event/83318/">FIESTA ERASMUS</a> </h2></li>
<li class="genre" style="margin-bottom:4px;">
<a href="/soirees-etudiantes/paris/1/" style="color:inherit;" title="soirée étudiante">soirée étudiante</a> </li>
<li class="lieu"><a href="/club/paris/10/duplex">Duplex</a></li> <li class="musique">house, electro, r&b chic, latino, disco</li>
<li class="pass-label">pass</li> </ul>
<a href="/club/paris/10/duplex" title="duplex"><img src="/img/salles/resize/50/10.jpg" alt="duplex" class="flysalle"></a>
<hr class="clearleft">
</div>
我测试了这样的东西
$PATTERN = "/'<div id="tab-soiree".*<a href="/event/(.*)/">(.*)</a>/"
preg_match($PATTERN, $html, $matches);
但它不起作用。
你不使用正则表达式解析 HTML。相反，请使用 PHP 本身中内置的 DOM 解析工具：http://php.net/manual/en/book.dom.php
假设您的 HTML 可以从名为 $html 的变量访问：
$doc = new DOMDocument();
$doc->loadHTML( $html );
$item = $doc->getElementsByTagName("li")->item(0);
$link = $item->getElementsByTagName("a")->item(0);
echo $link->attributes->getNamedItem('href')->nodeValue;
echo $link->textContent;
我建议以下模式：
$PATTERN = '%<h2><a href="(.*?)">(.*?)</a>['s]+</h2>%i';
preg_match($PATTERN, $html, $matches);
(.*?)部分是非贪婪模式，这意味着解析器不会一直到提供的字符串的末尾，但在这种情况下会在"之前停止。
您可能还希望在 REGEX 之前预处理 html，即删除所有换行符以摆脱['s]+部分。
您可以在此处在线试用。