Как регуляркой вырезать контент между тегами учитывая структуру dom?

Question

[sohav]

Есть вот такой html-код:

<div class="article">
	<p class="title">Test!</p>
	<div>Content content</div>
	<p>test test</p>
	<div class="test">test</div>
	<p>test</p>
</div>
<?= rand(0,100); ?>
<div class="article">
	<p class="title">Test1!</p>
	<div>Content content1</div>
	<p>test test1</p>
	<div class="test">test1</div>
	<p>test1</p>
</div>

Подскажите, пожалуйста, регулярку, которая бы выбрала контент внутри тегов div.article.

Пробую /<div class="article">(.*?)<\/div>/igs, но все зарубается на первом вхождении </div>, можно поставить флаг U, но тоже не тот результат :-(
Хочется сделать это именно регулярками, а не парсером xml

Вот ссылочка на песочницу - https://regex101.com/r/6HDlxK/1/

Спасибо!

Comments

[Толстый Лорри]

Вам нужен DOM-парсер, а не регулярка.

ЗЫ Нет, даже не думайте о регулярках!

Answer 1

[ns 5d]

1. находим все div.article: regex101.com/r/z6RRM7/1
2. удаляем теги "<[^>]*>" => ""

Comments

[BoShurik]

Все-таки для такой задачи лучше использовать `DOMDocument` или `SimpleXML`.
Стоит структуре поменяться, к примеру на

<div class="article"><div>Content content</div></div>

уже работать не будет

PS: Без знаменитого ответа на SO этот комментарий был бы не полным: https://stackoverflow.com/a/1732454

[ns 5d]

BoShurik, все это так, но я как понял нужен тупо текст.

[BoShurik]

ns 5d, тот же DOMDocument может и просто контент строкой выводить

[ns 5d]

BoShurik, хотя да. согласен.

Answer 2

[vyrkmod]

Скорее всего дело не в регулярке, а в использовании preg_match() вместо preg_match_all(). И да, не могу удержаться чтоб не запостить эту ссылку.

Answer 3

[parserpro]

По-уму такое делается SAX-парсером, а не регуляркой.