使用php正则表达式从html中提取特定内容
本文介绍如何用PHP正则表达式从HTML代码中提取特定内容，解决两个问题：提取特定class属性的div标签内容，以及提取该div内所有a标签的href属性值。
问题一：提取class属性为“box list channel max-border list-text-my”的div标签内容
假设HTML代码片段如下：
立即学习“PHP免费学习笔记（深入）”；
![[置顶]Android中的JSON详细总结 中文WORD版](https://img.php.cn/upload/manual/000/000/012/170892733569108.png)
JSON(JavaScript Object Notation) 定义：一种轻量级的数据交换格式，具有良好的可读和便于快速编写的特性。业内主流技术为其提供了完整的解决方案（有点类似于正则表达式，获得了当今大部分语言的支持），从而可以在不同平台间进行数据交换。JSON采用兼容性很高的文本格式，同时也具备类似于C语言体系的行为。有需要的朋友可以下载看看
<div class="box list channel max-border list-text-my">
<ul><li><a href="https://www.php.cn/link/b999a556e5f6186b8cba2dd848c22711" title="">[2022-12-13]新闻1</a></li>
<li><a href="https://www.php.cn/link/7c1373b8fec010dba9b2cf06e7b232a7" title="">[2022-12-13]新闻2</a></li>
<li><a href="https://www.php.cn/link/afe7064469e1509a007b92118aee4524" title="">[2022-12-13]新闻3</a></li>
</ul></div>
可以使用以下PHP正则表达式提取该div标签的所有内容：
/<div class="box list channel max-border list-text-my">([\s\S]*?)<\/div>/
该表达式匹配<div class="box list channel max-border list-text-my">标签及其内容，<code>([\s\S]*?)捕获div标签内的所有内容（包括换行符和空格）。?表示非贪婪匹配，确保只匹配最内层的div标签。
问题二：提取上述div标签内所有a标签的href属性值
针对同一HTML代码片段，提取每个<a></a>标签的href属性值，可以使用以下PHP正则表达式：
/<a href="https://www.php.cn/link/4a33edb840d8caeb24bbcb1b0ce1d8d7"]*)"/
该表达式匹配<a href="https://www.php.cn/link/62f72f60b5d8f2daa4be4172957c458c"></a>，并用https://www.php.cn/link/4a33edb840d8caeb24bbcb1b0ce1d8d7"]*)捕获href属性值。[^"]*匹配引号内的任意字符，直到遇到下一个引号。
通过这两个正则表达式，可以高效地从HTML代码中提取所需信息。 但需要注意的是，使用正则表达式解析HTML存在局限性，对于复杂的HTML结构，建议使用专门的HTML解析器，例如DOMDocument。
