PHP preg_match_all 正則表達式實戰：解析 HTML 擷取 DIV 屬性與內容

目標

從 HTML 字串中擷取每個 <div> 的 id 屬性值與內容文字：

$html = '<div id="biuuu">jb51.net</div><div id="biuuu_2">jb51.net2</div><div id="biuuu_3">jb51.net3</div>';

預期結果：biuuu, biuuu_2, biuuu_3 與 jb51.net, jb51.net2, jb51.net3

正則表達式構建步驟

1. 確定單一 DIV 結構

<div id="(biuuu)">(jb51.net)</div>

2. 設計子表達式

• 表達式 1（id 值）：[a-zA-Z0-9_]+ — 英數字與底線
• 表達式 2（內容）：[^<>]+ — 非 <、> 字元（避免貪婪匹配跨越標籤）

3. 組合完整 Pattern

/<div\s+id="([a-zA-Z0-9_]+)">([^<>]+)<\/div>/

• \s+：匹配一或多個空白
• "：雙引號需跳脫
• ()：捕獲群組
• <\/div>：結束標籤，斜線需跳脫

preg_match_all 實測

<?php
$html = '<div id="biuuu">jb51.net</div><div id="biuuu_2">jb51.net2</div><div id="biuuu_3">jb51.net3</div>';

preg_match_all('/<div\s+id="([a-zA-Z0-9_]+)">([^<>]+)<\/div>/', $html, $result);

var_dump($result);
?>

結果解析

array(3) {
  [0]=> array(3) {          // 完整匹配
    [0]=> "<div id="biuuu">jb51.net</div>"
    [1]=> "<div id="biuuu_2">jb51.net2</div>"
    [2]=> "<div id="biuuu_3">jb51.net3</div>"
  }
  [1]=> array(3) {          // 第 1 個捕獲群組
    [0]=> "biuuu"
    [1]=> "biuuu_2"
    [2]=> "biuuu_3"
  }
  [2]=> array(3) {          // 第 2 個捕獲群組
    [0]=> "jb51.net"
    [1]=> "jb51.net2"
    [2]=> "jb51.net3"
  }
}

關鍵技巧總結

• 用 () 定義捕獲群組，$result[1]、$result[2] 對應各群組
• 內容匹配用 [^<>]+ 排除標籤字元，避免跨標籤匹配
• preg_match_all 會找出所有不重疊匹配，適合批次擷取
• 調試時善用 var_dump($result) 觀察陣列結構

進階提醒

解析複雜 HTML 建議使用 DOMDocument 或 PHP Simple HTML DOM Parser，正則表達式難以處理巢狀結構、屬性順序不固定等情況。