Como extraer secciones de texto de un html o txt?

[andresdzphp]

He estado jugando un poco con el código, usando tidy como dice Artificium, coloco lo que hice:

Código PHP:

<?php
$config = array('indent' => true, 'output-xhtml' => true, 'wrap' => 200);
 
$t = new tidy();
$t->parseString($html, $config, 'utf8');
$t->cleanRepair();
 
$doc = new DOMDocument();
$doc->loadHTML($t);
$divs = $doc->getElementsByTagName('div');
 
for ($i = 0; $i < $divs->length; $i++) {
    $pc = $divs->item($i)
               ->getElementsByTagName('p')
               ->item(2);
    $font = $pc->getElementsByTagName('font')->item(0);
    if ($font != null) {
        $pc->removeChild($font);
    }
    $p = $divs->item($i)->getElementsByTagName('p');
    for ($j = 0; $j < $p->length; $j++) {
        echo $divs->item($i)
                  ->getElementsByTagName('p')
                  ->item($j)
                  ->nodeValue . '<br />';
    }
    echo '<br />';
}
 

Faltan algunas validaciones y puede que se puede hacer de mejor forma y más simplificado, pero funciona con el HTML del post. Espero que te sirva o le sirva a alguién más.

Saludos.