Explicando o preg_match:
A função preg_match() aceita 5 parâmetros, sendo os dois primeiros obrigatórios.
- O primeiro parâmetro é a expressão regular ($pattern).
- O segundo parâmetro é a string onde pesquisaremos a expressão ($subject).
- O terceiro parâmetro é um array que armazenará o termo que casou ($matches).
fiz um teste com o seu código e veja o que deu:
$texto = "<!DOCTYPE html> <html> <head> </head> <body> <div> </div> <div> </div> <div> <h3> </h3> <p> </p> <p> </p> <p> </p> <p> </p> <p> </p> <br /><br /><br /><br /><br /><br /> <h6> </h6> <br /><br /><br /><br /> <p>Portaria nº 69 de 18/01/2017 - Publicada no DOU de 19/01/2017</p> <br /> <h3>Certificamos que</h3> <h5>{NOME_ALUNO}</h5> <h3>concluiu em {DT_APR} o <br />{NOME_CURSO}<br />realizado pela ---- na qualidade de aluno(a), perfazendo um total de {CARGA_HOR} horas.</h3> <h3><em> </em></h3> <h4><em>Cidade </em>{DATE_EXT}<em> .</em></h4> </div> </body> </html>";
$matches = array();
$resultado = preg_match('/^<!\w+\s\w+>\s<\w+>\s<\w+>\s<\/\w+>/', $texto, $matches);
var_dump($resultado, $matches);
Dando um var_dump veja o resultado:
int(1) array(1) { [0]=> string(37) " " }
Explicando o que você está tentando com seu REGEX:
^
Indica que é a posição inicial da string
<!
encontra todos os caracteres literais <!
(case sensitive)
\w+
Encontra qualquer caracter (que contenha o seguinte padrão [a-zA-Z0-9_])
+
Quantificador — Encontra uma ou mais vezes, quantas vezes forem possíveis, voltando
atrás se necessário (greedy)
\s
Encontra qualquer espaço em branco (pode ser [\r\n\t\f\v ])
\w+
Encontra qualquer caracter (que contenha o seguinte padrão [a-zA-Z0-9_])
+
Quantificador — Encontra uma ou mais vezes, quantas vezes forem possíveis, voltando
atrás se necessário (greedy)
>
Encontra o caracter > (case sensitive)
\s
busca por espaços vazios (pode ser [\r\n\t\f\v ])
<
Encontra o caracter < (case sensitive)
\w+
Encontra qualquer caracter (que contenha o seguinte padrão [a-zA-Z0-9_])
+
Quantificador — Encontra uma ou mais vezes, quantas vezes forem possíveis, voltando
atrás se necessário (greedy)
>
Encontra o caracter > (case sensitive)
\s
busca por espaços vazios (pode ser [\r\n\t\f\v ])
<
Encontra o caracter < (case sensitive)
\w+
Encontra qualquer caracter (que contenha o seguinte padrão [a-zA-Z0-9_])
>
Encontra o caracter > (case sensitive)
\s
busca por espaços vazios (pode ser [\r\n\t\f\v ])
<
Encontra o caracter < (case sensitive)
\/
Encontra o caracter / (case sensitive)
\w+
Encontra qualquer caracter (que contenha o seguinte padrão [a-zA-Z0-9_])
>
Encontra o caracter > (case sensitive)
ao juntar tudo isso temos o seu regex /^<!\w+\s\w+>\s<\w+>\s<\w+>\s<\/\w+>/
Se o que você está querendo é remover as tags HTML de uma string basta usar a função strip_tags():
(PHP 4, PHP 5, PHP 7)
strip_tags — Retira as tags HTML e PHP de uma string
strip_tags ( string $str [, string $allowable_tags ] )
Parâmetros
str
A string de entrada.
allowable_tags
Você pode utilizar o segundo parâmetro, que é opcional, para indicar tags que não devam ser retiradas.
Nota:
Comentários HTML e tags PHP também são retirados. E isto não pode ser modificado com allowable_tags.
Exemplo strip_tags()
<?php
$text = '<p>Test paragraph.</p><!-- Comment --> <a href="#fragment">Other text</a>';
echo strip_tags($text);
echo "\n";
// Allow <p> and <a>
echo strip_tags($text, '<p><a>');
?>
O exemplo acima irá imprimir:
Test paragraph. Other text
<p>Test paragraph.</p> <a href="#fragment">Other text</a>
Referencia: PHP: strip_tags
preg_match('/^<!\w+\s\w+>\s<\w+>\s<\w+>\s<\/\w+>/', $texto, $output); var_dump($output);
. Está retornando "0" pois, provavelmente, não está capturando o resultado.<!DOCTYPE html> <html> <head> </head>
). Mas se tiver qualquer coisa dentro dohead
, por exemplo, a regex já não funciona. Se não tiver exatamente 1 espaço entre as tags, se tiver algum comentário, se tiver atributos (<html lang="en">
), etc etc.. Eu entendo a "tentação" de usar regex, parece tão fácil e rápido (e muitas vezes é mesmo), mas para parsing de HTML, é melhor usar parsers específicos: stackoverflow.com/a/1732454