You need to enable JavaScript to run this app. 如何用PHP从含HTML标签的TXT文件中提取<strong>包裹的高亮文本?
优惠活动
大模型
产品
解决方案
定价
更多

如何用PHP从含HTML标签的TXT文件中提取<strong>包裹的高亮文本?

PHP实现从含HTML标签的TXT文件提取包裹文本的方案

这需求完全有成熟的实现方案,两种方式按需选就行:

方案一:DOM扩展解析(强烈推荐,准确率拉满)

这种方式根本不会因为strong标签带属性、存在嵌套、大小写写法不统一出现匹配错误,是处理这类HTML片段的通用稳妥选择:

  • 先读取TXT文件的完整内容
  • 借助PHP内置的DOMDocument组件解析HTML结构,自动屏蔽非标准内容的解析警告
  • 遍历所有<strong>标签节点,提取纯文本内容并清洗多余空格、换行

可直接复用的代码:

<?php
// 替换成你实际的TXT文件路径
$txtPath = './target.txt';
if (!is_readable($txtPath)) {
    die('读不到TXT文件,检查下路径和文件权限');
}
$content = file_get_contents($txtPath);

// 初始化解析器,屏蔽残缺HTML触发的一堆warning
$dom = new DOMDocument();
libxml_use_internal_errors(true);
// 转码处理,避免中文、特殊字符(比如示例里的北欧语姓名)出现乱码
$dom->loadHTML(mb_convert_encoding($content, 'HTML-ENTITIES', 'UTF-8'));
libxml_clear_errors();

$extractedTexts = [];
// 拿到全量strong标签节点
$strongList = $dom->getElementsByTagName('strong');
foreach ($strongList as $item) {
    $text = trim($item->nodeValue);
    // 把连续的换行、多空格替换成单个空格,清理格式
    $text = preg_replace('/\s+/', ' ', $text);
    if ($text) {
        $extractedTexts[] = $text;
    }
}

// 打印出来核对下结果对不对
print_r($extractedTexts);

不管你遇到的strong写法是小写<strong>、大写<STRONG>,还是带行内样式的<strong style="font-weight:700">,这个方法都能准确拿到包裹的文本,不会漏抓错抓。

方案二:正则匹配(仅适合结构极其简单的场景)

如果你的TXT里的strong标签都是干干净净的、没嵌套、没多余属性的标准写法,不想用DOM解析那套逻辑,也可以写个正则快速匹配:

别在正式项目里用这个——容错性太差,只要遇到标签内部套了链接、嵌套了其他格式,很容易匹配漏了或者抓多了内容
示例代码:

<?php
$content = file_get_contents('./target.txt');
// 不区分大小写匹配所有strong标签内部的文本
preg_match_all('/<strong[^>]*>(.*?)<\/strong>/is', $content, $matchResult);
$extractedTexts = array_filter(array_map(function($v) {
    return trim(preg_replace('/\s+/', ' ', $v));
}, $matchResult[1]));

落地注意点

  • 提前确认TXT文件的原始编码,不然碰到特殊字符很容易出乱码
  • 提取完如果要做后续处理,直接把数组存成新的TXT或者CSV就行,逻辑很顺

内容的提问来源于stack exchange,提问作者Ned

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.16 16:24:07