Use an HTML parser. NOT regular expressions.
正则表达式的问题在于它们无法匹配嵌套结构.假设你的正则表达式必须匹配单个< div>及其结束标记,无法正确匹配此输入:
Foo
Bar
因为如果你的正则表达式是贪婪的,它将匹配最上面的两个div,如果它不合适,它将与正确的结束标记不匹配.
因此,您应该使用HTML解析器.使用PHP,DOMDocument::loadHTML或DOMDocument::loadHTMLFile,每个都做得相当不错. (您可以“安全地”忽略它生成的警告:它们只是标记错误,生成的DOMDocument对象应该非常好.)
由于PHP getElementById很难开始工作,因此您可以将DOMXpath用于同一目的:
$url = "http://urlchecker.net/html/demo.html";
$d = new DOMDocument();
$d->loadHTMLFile($url);
$xpath = new DOMXPath($d);
$myNews = $xpath->query('//@id="news-id-160346"')->item(0);
?>