htmlソースからタグ内のテキストを配列に

質問

お世話になっております。
$addfname = trim($_POST["url"]);
$html = file_get_contents($addfname);
$html = mb_convert_encoding($html,"EUC-JP","auto");

以上のように、フォームに入力されたURLを読み込み、各タグ内に記述されたテキストなどを排出（配列に格納）しようと思い、<h2></h2>のようにh2タグで囲まれたテキストは、

$pattern = '/<h2>(.*)<\/h2>/is';
$match = array();
preg_match_all($pattern, $html, $match, PREG_SET_ORDER);
$h2text1 = str_replace("<h2>", "", $match4[0][0]);
$h2text2 = str_replace("</h2>", "\t", $h2text1);
$h2array = explode("\t", $h2text2);
$h2cnt = count($h2array)-1;

とすることで、なんとか配列に格納することが出来ました。

が、しかし、CSSなどで、<h2 class="～"></h2>となっていたりすると、正常に読み込むことが出来ず、</h2>タグ以降のテキストなども読み込んでしまいます。

配列に格納する方法も、どこかぎこちないように思えたりもしますが、以上のような、idや、classなど、<h2>だけで括られている以外のテキストなども読み込むには、どのようにしたら宜しいのでしょうか？
お忙しいなか恐縮ですが、アドバイスのほどよろしくお願い申し上げます。

回答No.1

mpx · ベストアンサー

とりあえずh2タグで囲まれた文字を配列$h2arrayに入れればいいのであれば、下記で如何でしょう
<?php
$html=<<<_HTML_
dummy0
<h2>1st item</h2>
dummy1
<H2 class="hoge">2nd item</H2>
dummy2
<h2 id='test'>3rd item</h2>
dummy3
_HTML_;

$pattern = '/<h2.*?>(.*?)<\/h2>/i';
preg_match_all($pattern, $html, $match);
$h2array=$match[1];
print_r($h2array);
?>

お礼

mpxさんへ

こんばんは。早速の対応をありがとう御座います！

勉強不足なことが最大の原因ですが、色々と調べてやっと解決できたと思った後の不具合？だったので落胆するところでしたが、ご指導いただき願っていた結果を得ることができ感謝いたします。

この正規表現の理解を深めたいとは思っておりますが、また同じような質問をすることも多々あるか思いますが、また見かけたときには宜しくお願い致します。ありがとう御座いました。