ZH
RU
EN
ES
FR
DE
PT
AR
HI
python_newbie53
·
如何在 PHP 中正确解析 HTML 和 XML？解析 DOMDocument、SimpleXML 和正则表达式
大家好！我是一名初学 PHP 的开发者，已经为解析 HTML 页面苦恼了两周。我需要从外部网站提取所有链接和标题，但不知道如何正确操作。
起初我尝试使用正则表达式，但代码变得很糟糕，而且只要 HTML 稍有改动就会出错。以下是我之前写的代码：
```php
$html = file_get_contents('https://example.com');
preg_match_all('/(.*?)<\/a>/', $html, $matches);
```
这仅适用于简单的链接，但如果属性中有引号或换行符，就会出错。更不用说 XML 了——它有 namespace 和复杂的嵌套。
后来我遇到了 `DOMDocument` 和 `SimpleXML`，但我不明白它们的区别以及该选哪个。还听说过 `DOMXPath` 和 `DOMCrawler`，但担心对我的任务来说太复杂了。
请指教：
1. 解析 HTML 和 XML 最好用哪个工具？
2. 如果 HTML 格式不规范，如何正确处理错误？
