PHP 正则表达式：如何匹配 HTML 中的所有标题和段落

现代网站中常常会用到 HTML 标记，这些标记包含了各种元素，例如标题和段落等等。如果你是一名 PHP 开发者，那么你可能会遇到这样的需求：需要从 HTML 文件中提取出所有的标题和段落标记，以便进一步使用。这时候，正则表达式就派上用场了。本文将为你介绍如何使用 PHP 正则表达式来匹配 HTML 中的所有标题和段落。

首先，我们需要知道 HTML 中标题和段落的标记是什么。HTML 标记中包含了多种标题和段落元素，其中最常见的是 h1、h2、h3 等标记用于表示标题，而 p 标记则用于表示段落。在这篇文章中，我们将只关注这些最常用的标记。

现在，让我们看一下如何使用 PHP 正则表达式来匹配 HTML 中的标题和段落标记。下面的代码展示了一个简单的 PHP 脚本，该脚本将读取一个 HTML 文件，并使用正则表达式匹配其中的所有标题和段落：

<?php
// 读入 HTML 文件
$html = file_get_contents('example.html');

// 正则表达式匹配所有标题和段落
$pattern = '/<(hd|p)[^>]*>(.*?)</
>/si';
preg_match_all($pattern, $html, $matches);

// 显示所匹配的结果
print_r($matches[0]);
?>

这个代码片段中的正则表达式 /<(hd|p)[^>]*>(.*?)</
>/si 可以做到以下几个事情：

• < 和 > 元字符用于匹配 HTML 标记的起始和结束位置。
• hd|p 表示匹配所有标题（h1、h2、h3 等）和段落（p）标记。
• [^>]* 匹配标记中除了 > 之外的所有字符，这是因为 > 是标记起始位置的定界符。
• (.*?) 使用非贪婪匹配方式来匹配标记中间的文本。
• </
> 表示匹配与起始标记相对应的结束标记。
表示匹配前面指定的标记（即 hd|p）。

在这个正则表达式中，我们使用了 s 和 i 两个模式修饰符。其中，s 用于开启“点号匹配模式”，使得 . 元字符匹配所有字符，包括换行符。而 i 用于开启“不区分大小写模式”，使得标记名的大小写不影响匹配结果。

当脚本运行完成后，它会将所有匹配到的标题和段落标记打印出来。这个结果将类似于下面这样：

Array
(
    [0] => <h1>PHP 正则表达式</h1>
    [1] => <p>现代网站中常常会用到 HTML 标记，这些标记包含了各种元素，例如标题和段落等等。</p>
    [2] => <h2>标题2</h2>
    [3] => <p>段落2</p>
    [4] => <h3>标题3</h3>
    [5] => <p>段落3</p>
)

通过这个结果，我们可以看到 PHP 正则表达式成功地匹配了 HTML 中的所有标题和段落标记。这个正则表达式还有其他的应用场景，例如匹配 HTML 中的链接、图片和表格等。希望这篇文章可以帮助你更好地理解使用 PHP 正则表达式匹配 HTML 中的元素。