求助：使用Regex限制提取含属性的HTML段落

我明白你头疼的点——自动生成的HTML段落总是带各种属性，正则写不好就抓不到或者抓错内容。下面给你两种实用方案，按需选就行：

方案1：用正则快速提取（适合结构简单的HTML） #

如果你的HTML段落结构不复杂（没有嵌套的块级标签），正则完全够用。

提取完整的

标签（包含所有属性） #

正则表达式：/<p\b[^>]*>(.*?)<\/p>/si

• <p\b>：匹配<p>标签开头，\b是单词边界，防止误匹配<picture>这类带p的标签
• [^>]*：匹配<p>标签里的任意属性（比如attribute="value"），直到遇到>
• (.*?)：非贪婪匹配标签内的所有内容（包括换行）
• si修饰符：s让.能匹配换行，i忽略大小写（可选，比如匹配<P>标签）

示例代码：

$html = '<p>Paragraph 1</p> <p attribute="value">Paragraph 2</p><p class="test">Paragraph with<br>a line break</p>';

// 提取所有完整的<p>标签
preg_match_all('/<p\b[^>]*>(.*?)<\/p>/si', $html, $matches);
$fullParagraphTags = $matches[0];

// 输出结果
foreach ($fullParagraphTags as $tag) {
    echo $tag . "\n";
}

仅提取段落文本内容 #

上面的正则里，$matches[1]就是每个<p>标签内的文本内容（包括里面的行内标签比如<br>），如果要纯文本（去掉所有行内标签），可以再加一步strip_tags()：

// 提取文本内容（保留行内标签）
$rawText = $matches[1];
// 提取纯文本（去掉所有标签）
$plainText = array_map('strip_tags', $rawText);

// 输出纯文本
foreach ($plainText as $text) {
    echo $text . "\n";
}

方案2：用DOM扩展解析（更稳定，适合复杂HTML） #

如果你的HTML有嵌套标签、不规范的写法，正则很容易失效，这时候用PHP的DOMDocument是更靠谱的选择：

示例代码：

$html = '<p>Paragraph 1</p> <p attribute="value">Paragraph 2</p><p class="test">Paragraph with<br>a line break</p>';

$dom = new DOMDocument();
// 忽略HTML解析时的错误（避免因为不规范HTML报错）
libxml_use_internal_errors(true);
$dom->loadHTML($html);
libxml_clear_errors();

// 用XPath查找所有<p>标签
$xpath = new DOMXPath($dom);
$pElements = $xpath->query('//p');

// 获取完整的<p>标签（包含属性）
foreach ($pElements as $p) {
    echo $dom->saveHTML($p) . "\n";
}

// 获取纯文本内容
echo "\n--- 仅文本内容 ---\n";
foreach ($pElements as $p) {
    echo $p->textContent . "\n";
}

这个方法不管<p>标签有多少属性、里面嵌套了什么行内标签，都能准确提取，完全不用纠结正则的边界问题。

内容的提问来源于stack exchange，提问作者eL-Prova