HTMLでマークアップされている、ランダムな文章をPHPでタグ部分と文字列部分にわけたい

Question

HTMLでマークアップされている、ランダムな文章をタグ部分と文字列部分にわけたいです。

<br>123<br><hr>あああ<iframe>456</iframe>いいい<br>

このような文章をタグ部分、文字列部分にわけ配列化したいと考えています。
「あああ」手前の<br><hr>部分のような連続タグは１つにまとめたいです。

希望する形は

$tag_array=array("<br>","<br><hr>","<iframe>","</iframe>","<br>");
$str_array=array("123","あああ","456","いいい");

となります。

目的は文字列部分のみ翻訳・解析などを行って、解析後に元のHTMLの形で文字列の変更を考えています。

あああ→ううう
いいい→えええのような置き換えを決定後、
配列を基に、

<br>123<br><hr>ううう<iframe>456</iframe>えええ<br>

の様な形にしたいです。

*タグを残したまま翻訳・解析などを行い置き換えますと、ALT=,SRC=の部分にまで影響が出てしまい問題があります。

タグ部分のみをpreg_replaceで任意の記号に置き換えて戻そうなどと試してみましたが、うまく行っておりません。

良案ございませんでしょうか？

Comments

[m.ts10806]

まずはご自身がやってみたコードをの提示ください

[ycy]

うまくいきませんでしたが、

$html="<br>123<br><hr>あああ<iframe>456</iframe>いいい<br>";
$html_2=preg_replace('/<("[^"]*"|\'[^\']*\'|[^\'">])*>/','#_#_#',$html);//タグ部分を記号に置き換え

その後、$html_2の#_#_#と#_#_#の間の文字列を抜き文字列配列を作り、$htmlの「あああ」の部分を置き換えようとしたが、あああの開始位置がわからないため、直前のタグに「ALT=あああ」などがあるとおかしくなる。

[m.ts10806]

質問は編集できますので。
あと「うまくいかない」「おかしくなる」ではなく「起きている現象」を記載してください。
プログラムは書いた通りに動いてますので。

Answer 1

タグを示すため以外でも< と > が使われているファイルも対象とするなら
simplexml_load_string とか DOMDocument::loadHTML を使う。
simplexml_load_file(simplexml_load_string) を配列に変換する
PHPでHTMLをパースして解析する簡単な方法 | 三度の飯とエレクトロン

< と > がタグを示すためだけに使われているなら

<?php
$html="<br>123<br><hr>あああ<iframe>456</iframe>いいい<br>";

$ary=preg_split("/((?=<)|(?<=>))/",$html);

$tag_array=Array(10);
$str_array=Array(10);
$prevStr="";

foreach ($ary as $elem){
    if(mb_substr($elem,0,1)=="<"){
        if($prevStr!="tag"){
            array_push($tag_array,$elem);
        }else{
            $tag_array[count($tag_array)-1]=$tag_array[count($tag_array)-1].$elem;
        }
        $prevStr="tag";
    }else{
        array_push($str_array,$elem);
        $prevStr="contents";
    }
}

echo var_dump($tag_array);
echo var_dump($str_array);

?>

Comments

[ycy]

ありがとうございます。
strip_tagsと併用すれば、ご回答いただいたPHP内容で上手くいきました。