php - 组合两个正则表达式函数来剥离 html 标签

Question

我试图在 html 页面中获取 H1 文本，我使用了一个正则表达式，它工作得很好，直到我们开始在某些页面上使用微格式，以便简单起见，我使用了页面的标题(h1 标签作为“正在审核的项目”) .

问题是我之前使用的正则表达式停止工作，所以我编写了另一个正则表达式来执行，以防第一个返回空结果。我知道这很尴尬!如何将以下内容合并到一个简单的正则表达式中？ :

//Get the H1 title
function get_tag( $attr, $value, $xml )
{
   $attr = preg_quote($attr);
   $value = preg_quote($value);

   $tag_regex2 = '/<h1>(.*?)<\\/h1>/si';
   $tag_regex = '/<h1><span itemprop="itemreviewed">(.*?)<\\/span><\\/h1>/si';


   preg_match($tag_regex,
   $xml,
   $matches);

   if ($matches[1] == ""){
   preg_match($tag_regex2,
   $xml,
   $matches);
   };



   return $matches[1];
}

Answer 1

如果您愿意为了方便而牺牲稳健性(如果您使用正则表达式来解析 HTML，则必须这样做:))，您可以使用

$tag_regex = '#<h1>(?:<span itemprop="itemreviewed">)?(.*?)(?:</span>)?</h1>#si';