php - 在 PHP 中从 HTML 中提取数据的最简单方法是什么？

Question

我正在处理一小部分大部分无效的 HTML，并且我需要提取一小部分数据。考虑到大多数“标记”都是无效的，我认为将所有内容加载到 DOM 中并不是一个好的选择。此外，对于这个简单的情况来说，这似乎有很大的开销。

这是我的标记示例:

(a bunch of invalid markup here with unclosed tags, etc.)
<TD><span>Something (random text here)</span></TD>
(a bunch more invalid markup here with more unclosed tags.)

<TD><span>Something (random text here)</span></TD>部分不会在文档中的任何地方重复，因此我相信一个简单的正则表达式就可以解决问题。

但是，我对正则表达式很糟糕。

我应该使用正则表达式吗？有没有更简单的方法来做到这一点？如果可能的话，我只想提取 Something 之后的文本，即(此处为随机文本)部分。

提前致谢!

编辑-

HTML 的精确示例(我省略了之前的内容，即供应商使用的无效标记。我相信它与本示例无关):

<div class="FormTable">
        <TABLE>
        <TR>
                <TD colspan="2">In order to proceed with login operation please 
                answer on the security question below</TD>
        </TR>
        <TR>
                <TD colspan="2">&nbsp;</TD>
        </TR>
        <TR>
                <TD><label class="FormLabel">Security Question</label></TD>
                <TD><span>What is your city of birth?</span></TD>
        </TR>
        <TR>
                <TD><label class="FormLabel">Answer</label></TD>
                <TD><INPUT name="securityAnswer" class="input" type="password" value=""></TD>
        </TR>
        </TABLE>
</div>  

Answer 1

如果您确定开始和结束跨度标签位于一行上。 。 .

$ cat test.php
<?php
  $subject = "(a bunch of invalid markup here with unclosed tags, etc.)
              <TD><span>Something (random text here)</span></TD>
              (a bunch more invalid markup here with more unclosed tags.)";

  $pattern = '/<span>.*<\/span>/';

  preg_match($pattern, $subject, $matches);
  print_r($matches);

?>


$ php -f test.php
Array
(
    [0] => <span>Something (random text here)</span>
)

如果您不确定 Span 标签是否在同一行，可以将 html 视为文本文件，并使用 grep 查找 Span 标签。

$ grep '[</]span>' yourfile.html