php匹配指定标签的内容

php匹配指定div内容，在用php编写采集程序的时候，抓取到的网页数据有时候我们只需要一小段标签内容，怎么才能冲html代码中提取出来呢，这里提供一个函数示例，实现php匹配任意html标签内的所有内容：

/**
* 匹配任意id的html标签内容
*
*/
function getWebTag($tag_id,$tag='div',$data=false){
$charset_pos = stripos($data,'charset');
if($charset_pos) {
if(stripos($data,'utf-8',$charset_pos)) {
$data = iconv('utf-8','utf-8',$data);
}else if(stripos($data,'gb2312',$charset_pos)) {
$data = iconv('gb2312','utf-8',$data);
}else if(stripos($data,'gbk',$charset_pos)) {
$data = iconv('gbk','utf-8',$data);
}
}

preg_match_all('/<'.$tag.'/i',$data,$pre_matches,PREG_OFFSET_CAPTURE);    //获取所有div前缀
preg_match_all('/<\/'.$tag.'/i',$data,$suf_matches,PREG_OFFSET_CAPTURE); //获取所有div后缀
$hit = strpos($data,$tag_id);
if($hit == -1) return false;    //未命中
$divs = array();    //合并所有div
foreach($pre_matches[0] as $index=>$pre_div){
$divs[(int)$pre_div[1]] = 'p';
$divs[(int)$suf_matches[0][$index][1]] = 's';
}

//对div进行排序
$sort = array_keys($divs);
asort($sort);

$count = count($pre_matches[0]);
foreach($pre_matches[0] as $index=>$pre_div){
//<div $hit <div+1    时div被命中
if(($pre_matches[0][$index][1] < $hit) && ($hit < $pre_matches[0][$index+1][1])){
$deeper = 0;
//弹出被命中div前的div
while(array_shift($sort) != $pre_matches[0][$index][1] && ($count--)) continue;
//对剩余div进行匹配，若下一个为前缀，则向下一层，$deeper加1，
//否则后退一层，$deeper减1，$deeper为0则命中匹配，计算div长度
foreach($sort as $key){
if($divs[$key] == 'p') $deeper++;
else if($deeper == 0) {
$length = $key-$pre_matches[0][$index][1];
break;
}else {
$deeper--;
}
}
$hitDivString = substr($data,$pre_matches[0][$index][1],$length).'</'.$tag.'>';
break;
}
}
return $hitDivString;
}

调用示例

$html=file_get_contents('http://www.baidu.com');
$divContent=getWebTag('id="content"','div',$html);