PHP如何抓取网页中两个指定HTML标签之间的内容

你编写的preg_match代码无法实现需求，存在多处语法、逻辑错误，且正则匹配HTML的方案本身容错性极差，不适合这类场景。

• 参数类型错误：file()函数返回的是按行分割的数组，而preg_match要求第二个参数传入字符串类型的待匹配内容，直接传入数组会导致匹配失败
• 正则语法错误：正则规则中多写了冗余的</符号，边界匹配逻辑错误
• 语法结构错误：preg_match第三个参数应为接收完整匹配结果的数组，你传入$match[1]属于写法错误；且正则调用语句和后续输出的大括号没有绑定关系，语法逻辑不成立
• 容错性极差：正则完全硬编码匹配标签的完整字符串，只要目标网站调整标签属性顺序、增减空格、修改style属性值的格式，就会直接匹配失败
• 无异常处理：抓取失败、匹配失败时无兜底逻辑，会直接抛出错误或输出空内容

不要用正则解析HTML，使用PHP内置的DOMDocument + XPath做节点定位，不依赖行号，只要标签的唯一标识（id）不变就能稳定匹配，不受中间代码变动、标签属性微调影响。
可直接运行的代码如下：

<?php
// 拉取完整网页内容，不拆分为行数组
$html = file_get_contents("https://the-url.com");
if (!$html) {
    exit("网页抓取失败");
}

// 屏蔽HTML不规范导致的解析警告
libxml_use_internal_errors(true);
$dom = new DOMDocument();
$dom->loadHTML($html);
libxml_clear_errors();

$xpath = new DOMXPath($dom);
// 通过唯一id定位起止节点，不需要硬编码class、style等易变属性
$startNode = $xpath->query('//div[@id="result_list"]')->item(0);
$endNode = $xpath->query('//h3[@id="alternativen_text"]')->item(0);

if (!$startNode || !$endNode) {
    exit("未匹配到指定的起止标签");
}

$content = "";
// 先写入起始节点本身的内容
$content .= $dom->saveHTML($startNode);
$current = $startNode;
// 遍历起始节点后的所有同级节点，直到碰到结束节点为止
while ($current = $current->nextSibling) {
    if ($current === $endNode) {
        break;
    }
    $content .= $dom->saveHTML($current);
}

// 输出提取的内容
echo $content;
?>

• 不依赖固定行号，目标网站中间内容增删改完全不影响匹配结果
• 以标签唯一id作为定位依据，不受标签属性顺序调整、多余空格、style/class属性修改影响
• 兼容不规范的HTML代码，稳定性远高于正则匹配方案
• 后续维护成本低，若标签变动仅需调整XPath定位规则即可

内容的提问来源于stack exchange，提问作者bruno2000