Как извлечь теги заголовков в PHP из строки?

Если вы действительно хотите использовать регулярные выражения, я думаю, что:

preg_match_all('/<h[0-6]>([^</h[0-6]>*)</h/i', $string, $matches);

должен работать, пока теги заголовка не вложены. Как говорили другие, если вы не контролируете HTML, регулярные выражения не лучший способ сделать это.

Сначала вам нужно очистить HTML ($ html_str в примере) с помощью tidy:

$tidy_config = array(
    "indent"               => true,
    "output-xml"           => true,
    "output-xhtml"         => false,
    "drop-empty-paras"     => false,
    "hide-comments"        => true,
    "numeric-entities"     => true,
    "doctype"              => "omit",
    "char-encoding"        => "utf8",
    "repeated-attributes"  => "keep-last"
);

$xml_str = tidy_repair_string($html_str, $tidy_config);

Затем вы можете загрузить XML ($ xml_str) в DOMDocument:

$doc = DOMDocument::loadXML($xml_str);

И, наконец, вы можете использовать метод Хории Драгомира:

$list = $doc->getElementsByTagName("h1");
for ($i = 0; $i < $list->length; $i++) {
    print($list->item($i)->nodeValue . "<br/>\n");
}

Или вы также можете использовать XPath для более сложных запросов в DOMDocument (см. http://www.php.net/manual/en/class.domxpath.php)

$xpath = new DOMXPath($doc);
$list = $xpath->evaluate("//h1");

также обратите внимание на собственный DOMDocument php-класс.

Вы можете использовать $domdoc->getElementsByTagName('h1') для получения заголовков.

Я знаю, что это очень старый пост, но я хотел бы упомянуть лучший способ, которым я смог коллективно захватить теги заголовков.

<h1>title</h1> and <h2>title 2</h2>

Этот метод (работает как регулярное выражение, однако PHP действует немного иначе.)

/<\s*h[1-2](?:.*)>(.*)</\s*h/i

используйте это в preg_match

|<\s*h[1-2](?:.*)>(.*)</\s*h|Ui

$group[1] будет включать все, что находится между тегом заголовка. $group[0] это все <h1>test</h

Это будет учитывать пробелы, и если кто-то добавит "класс / идентификатор"

<h1 class="classname">test</h1>

класс / идентификатор (группа) игнорируется.

ПРИМЕЧАНИЕ. Когда я анализирую HTML-теги, я всегда удаляю и заменяю все пробелы, разрывы строк, табуляции и т. д. на 1 пробел. Это сводит к минимуму многострочные символы, точки ... и очень большое количество пробелов, которые в некоторых случаях могут мешать форматированию регулярных выражений.

• конечно, я беру только 1-2 тега заголовка, измените его на 0-9, чтобы захватить все.
• Если у кого-то еще есть мод, который нужно добавить, или исправление в мой код, ответьте, я бы очень хотел знать.
• Напротив, поскольку Regex плохо работает с HTML, это очень открытый аргумент. Потому что, если вы создадите свои функции php и выражения регулярных выражений, чтобы полностью избавиться от мусора и подготовить html для конкретных выражений регулярных выражений, вы прекрасно сможете получить то, что ищете. Вы можете создать достаточно функций регулярных выражений, чтобы заменить любительскую работу с html.

Вот ссылка на тестовую страницу тест регулярного выражения

Рекомендуется не использовать регулярное выражение для этой работы и использовать что-нибудь SimpleHTMLDOM parser

Вероятно, вам лучше использовать парсер HTML. Но для действительно простых сценариев подойдет что-то вроде этого:

if (preg_match_all('/<h\d>([^<]*)<\/h\d>/iU', $str, $matches)) {
    // $matches contains all instances of h1-h6
}

Я просто хочу поделиться своим решением:

function get_all_headings( $content ) {
    preg_match_all( '/\<(h[1-6])\>(.*)<\/h[1-6]>/i', $content, $matches );

    $r = array();
    if( !empty( $matches[1] ) && !empty( $matches[2] ) ){
        $tags = $matches[1];
        $titles = $matches[2];
        foreach ($tags as $i => $tag) {
            $r[] = array( 'tag' => $tag, 'title' => $titles[ $i ] );
        }
    }

    return $r;
}

Эта функция вернет пустой массив, если заголовки не найдены или что-то вроде этого:

array (
    array (
        'tag' => 'h1',
        'title' => 'This is a title',
    ),
    array (
        'tag' => 'h2',
        'title' => 'This is the second title',
    ),
)