この記事について
| 環境 | PHP |
|---|---|
| 目的 | htmlの対になるタグを見つけて間の文字列を取得する |
| 結果 | mb_striposで開始タグと閉じタグの位置を比較しながら進め、対になる閉じタグを特定する |
つまずきポイント要約
- 同じ要素のタグが入れ子になっている場合、単純な正規表現では取得できない
htmlタグ間の文字列を取得するには正規表現を利用する
例：divタグ間の文字列を取得するサンプルコード
preg_replace('/^.+<div>(.+?)<\/div>.+$/u','$1',$string)しかしこのやり方が通用するのは、限られた条件のときでしかない。
同じ要素のタグが入れ子になっている場合、不可能である。
divタグが入れ子になったHTML。これだとダメ
<body>
<div>
テスト文章１
<div>
テスト文章２
<div>テスト文章３</div>
</div>
</div>
</body>何とか正規表現でできないものかと悩んだが難しそうなので、別の方法を用いた。
対になるタグというのは言い換えれば、二番目以降の開始タグと、そのひとつ前の閉じタグの位置を比較したとき、閉じタグが手前で、開始タグが奥にある状態の閉じタグである。
対のタグを見つけるサンプルコード
//二番目の開始タグと最初の閉じタグの位置を確認する
$start_pos = mb_stripos($content_html,"<div",6); //二番目の開始タグを見つけたいので適当に6文字目から検索
$end_pos = mb_stripos($content_html,"</div>");
echo "<br>開始位置： " . $start_pos;
echo "<br>終了位置： " . $end_pos;
$i = 1;
//閉じタグが開始タグの前に来るまで繰り返し
while ($start_pos < $end_pos) {
$start_pos++; //次のタグを探すために１増加
$end_pos++;
//前回の位置以降のタグを探す
$start_pos = mb_stripos($content_html,"<div",$start_pos);
$end_pos = mb_stripos($content_html,"</div>",$end_pos);
//念のため10回繰り返してだめなら抜ける
if ($i > 10) {
echo "10回超えたので終える";
break;
}
$i++;
} //while
//対になるタグまでの文字列を抜き出す
$content_html = mb_substr($content_html,0,$end_pos);