Você pode usar a regex no preg_match_all
:
|<div class="listdoTexto">[\w\W]*<\/ul>|
Onde [\w\W]*
irá pegar qualquer caractere entre <div class="listdoTexto">
e <\/ul>
:
\w -> qualquer caractere alfanumérico e underscore "_")
\W -> qualquer caractere NÃO alfanumérico e underscore "_")
* -> uma ou quantas ocorrências houverem entre o último </ul> até <div class="listdoTexto">
Isso irá me retornar uma Array no índice [0]
, onde contém o resultado que desejo. Neste caso converto a Array em string com implode
:
$GetTexto = implode(",", $GetTexto[0]);
Porém podemos ter um problema se houver mais lista no HTML. Exemplo:
|→ <div class="listdoTexto">
| <ul>
Só quero | <li class="texto"><a href="textolink">texto1</a></li>
pegar | <li class="texto"><a href="textolink">texto2</a></li>
esta | <li class="texto"><a href="textolink">texto3</a></li>
parte... | <li class="texto"><a href="textolink">texto4</a></li>
|→ </ul>
</div>
<div class="listdoTexto2">
<ul>
..mas o <li class="texto"><a href="textolink">texto5</a></li>
regex irá <li class="texto"><a href="textolink">texto6</a></li>
até aqui → </ul>
</div>
Ou seja, o resultado do $GetTexto
após o implode
seria isto:
<div class="listdoTexto">
<ul>
<li class="texto"><a href="textolink">texto1</a></li>
<li class="texto"><a href="textolink">texto2</a></li>
<li class="texto"><a href="textolink">texto3</a></li>
<li class="texto"><a href="textolink">texto4</a></li>
</ul>
</div>
<div class="listdoTexto2">
<ul>
<li class="texto"><a href="textolink">texto5</a></li>
<li class="texto"><a href="textolink">texto6</a></li>
</ul>
Como eu quero pegar somente até o primeiro </ul>
, posso usar substr
com strpos
:
$GetTexto = substr($GetTexto, 0, strpos($GetTexto, "</ul>"));
O resultado agora é esse:
<div class="listdoTexto">
<ul>
<li class="texto"><a href="textolink">texto1</a></li>
<li class="texto"><a href="textolink">texto2</a></li>
<li class="texto"><a href="textolink">texto3</a></li>
<li class="texto"><a href="textolink">texto4</a></li>
</ul>
Como só quero o texto, uso strip_tags
para eliminar as tags:
$GetTexto = strip_tags($GetTexto);
Irá retornar somente o texto, mas com quebra de linha e possíveis espaços antes, depois ou entre os textos:
texto1
texto2
texto3
texto4
Posso usar preg_replace
com trim
para substituir as quebras de linha e os espaços indesejados por ,,
, que depois será usado posteriormente em um replace
:
$GetTexto = preg_replace("/\s{2,}|\n/", ",,", trim($GetTexto));
Agora temos:
texto1,,texto2,,texto3,,texto4
Agora para separar os textos com vírgula e espaço, pode usar str_replace
substituindo as ,,
:
$GetTexto = str_replace(",,", ", ", $GetTexto);
Resultado final:
texto1, texto2, texto3, texto4
Apesar de chegar ao resultado final, não sei se essa seria a melhor
abordagem. Pode ser que haja um método usando Document Object
Model mais eficiente, mas espero que ajude.
Código:
$url = "http://www.site.com";
$html = file_get_contents($url);
$getTextoList = '|<div class="listdoTexto">[\w\W]*<\/ul>|';
preg_match_all($getTextoList, $html, $GetTexto);
$GetTexto = implode(",", $GetTexto[0]);
$GetTexto = substr($GetTexto, 0, strpos($GetTexto, "</ul>")); //
$GetTexto = strip_tags($GetTexto);
$GetTexto = preg_replace("/\s{2,}|\n/", ",,", trim($GetTexto));
$GetTexto = str_replace(",,", ", ", $GetTexto);
Teste no Ideone