如何使用PHP HTML DOM提取特定单词后的指定字符串

嘿，这个需求我刚好处理过类似的，给你一步步拆解怎么做：

第一步：用DOMDocument定位到目标script内容 #

首先，咱们得先把HTML里的<div class="abc">标签找出来，再拿到里面的<script>代码。PHP的DOMDocument可以搞定这部分，但要注意默认的HTML解析可能会抛出警告（比如遇到不规范的HTML），所以先把警告屏蔽掉更稳妥。

示例代码：

// 替换成你实际的HTML内容，也可以从文件/URL加载
$html = <<<HTML
<div class="abc">
    <script type="text/javascript">
        var flashvars = { 
            word : "/path/to/your/target/file.mp4",
            otherParam : "some extra value"
        };
    </script>
</div>
HTML;

// 屏蔽HTML解析时的警告
libxml_use_internal_errors(true);
$dom = new DOMDocument();
$dom->loadHTML($html);
libxml_clear_errors();

// 用XPath精准定位class为abc的div
$xpath = new DOMXPath($dom);
$abcDivs = $xpath->query('//div[@class="abc"]');

if ($abcDivs->length > 0) {
    // 获取div内的第一个script标签（如果有多个，可根据type进一步筛选）
    $targetScript = $abcDivs->item(0)->getElementsByTagName('script')->item(0);
    if ($targetScript) {
        $scriptContent = $targetScript->nodeValue;
        // 接下来处理script里的内容...
    }
}

第二步：用正则提取word对应的path值 #

拿到script内容后，就可以用正则表达式匹配word :后面的path值了。这里考虑了几种常见场景：path可能用单引号、双引号包裹，或者冒号前后有/无空格。

推荐的正则匹配代码：

if (preg_match('/word\s*:\s*["\']?([^"\',}]+)["\']?/', $scriptContent, $matches)) {
    $extractedPath = $matches[1];
    echo "提取到的path值：" . $extractedPath;
} else {
    echo "未找到对应的path值";
}

正则逻辑简单解释 #

• word\s*:：匹配word关键词，后面允许任意数量的空格，再匹配冒号
• \s*：匹配冒号后任意数量的空格
• ["\']?：匹配可选的单/双引号（有些场景下path可能没有引号包裹）
• ([^"\',}]+)：捕获引号、逗号、大括号之外的内容——也就是我们要的path值
• ["\']?：匹配结尾可选的引号

小提醒 #

如果你的实际场景中，flashvars里的word写法有特殊情况（比如用了不同的分隔符、换行），可以根据实际结构微调正则表达式的匹配规则，确保精准捕获目标内容。

内容的提问来源于stack exchange，提问作者Ajit Raghav