Extraction du texte plat à partir d'éléments avec une classe désignée utilisant php dom

Extraction du texte à partir d'éléments HTML spécifiques est une tâche commune dans le développement Web. PHP Dom fournit des outils robustes pour analyser le HTML et accéder à son contenu. Cet article répond à une exigence spécifique pour extraire le texte des éléments avec une classe désignée en deux tableaux plats.

problème

Contenu HTML contenant du texte distribué entre plusieurs éléments p avec Les noms de classe en alternance, la tâche consiste à enregistrer le texte en deux tableaux: un pour les titres et un pour le contenu. Par exemple, étant donné le html suivant:

    Chapter 1


    This is chapter 1

Nous devons obtenir la sortie suivante:

$heading = ['Chapter 1', 'Chapter 2', 'Chapter 3'];
$content = ['This is chapter 1', 'This is chapter 2', 'This is chapter 3'];

Solution

pour accomplir cette extraction en utilisant PHP DOM, nous utilisons DomDocument et Domxpath. La solution implique les étapes suivantes:

1. Chargez le html en un objet DomDocument:

$dom = new DOMDocument();
$dom->loadHTML($test);

2. Créez un objet Domxpath pour effectuer xpaths:

$xpath = new DOMXPath($dom);

3. Utilisez la fonction parSetoArray () pour extraire le texte des éléments avec une classe spécifiée:

$heading = parseToArray($xpath, 'Heading1-H');
$content = parseToArray($xpath, 'Normal-H');

dans la fonction ParTetoArray ():

• Il effectue une requête XPath pour la classe désignée.
• itère à travers les nœuds correspondants et extrait leur contenu de texte.
• stocke le texte extrait dans un tableau, qui est renvoyé.

Voici le code php complet:

query($xpathquery);

    $resultarray = [];
    foreach ($elements as $element) {
        $nodes = $element->childNodes;
        foreach ($nodes as $node) {
            $resultarray[] = $node->nodeValue;
        }
    }

    return $resultarray;
}

$test = 
    Chapter 1


    This is chapter 1


    Chapter 2


    This is chapter 2


    Chapter 3


    This is chapter 3

HTML;

$dom = new DOMDocument();
$dom->loadHTML($test);
$xpath = new DOMXPath($dom);
$heading = parseToArray($xpath, 'Heading1-H');
$content = parseToArray($xpath, 'Normal-H');

var_dump($heading);
echo "
";
var_dump($content);
echo "
";

Cette approche utilise la puissance de PHP DOM et XPATH pour extraire efficacement le texte des documents HTML, permettant une manipulation de contenu plus complexe et ciblée.