DOMDocument を使用した HTML ノードの抽出に関する問題

はじめに

PHP クラスの DOMDocument は、解析に便利なアプローチを提供しますHTML ドキュメントの操作。ただし、コンテンツを抽出するときに HTML タグを保持しようとすると、問題が発生する可能性があります。この記事では、DOM の基礎となる概念を詳しく掘り下げ、この課題に対処するソリューションを提案します。

DOM とノードについて

DOMDocument は、HTML ドキュメントをノードの階層ツリーとして表します。各ノードは子ノードを持つことができ、複雑な構造を形成します。 HTML 要素は、その属性やテキスト コンテンツとともに、すべて DOMDocument 内のノードとして表現されることを認識することが重要です。

タグ保持の問題の解決

提供されているコードは、「showContent」ID を持つ DIV ノードを正常にフェッチします。ただし、HTML タグ自体を除く、DIV 内のテキスト コンテンツのみが取得されます。これは、コードが実際のノードではなくテキストのみを抽出する $tag->nodeValue を使用しているためです。

解決策: ノードの走査

] HTML ノードを保持するには、ターゲット ノードの子ノードをトラバースする必要があります。以下のコードは、このアプローチを示しています。

$dom = new DOMDocument();
@$dom->loadHTML($html);

$xpath = new DOMXPath($dom);

$tags = $xpath->query('.//div[@id="showContent"]');
foreach ($tags as $tag) {
    echo $dom->saveXML($tag);
    echo '
';
}

HTML からの特定の情報の取得

表からのリンクなど、HTML ドキュメントから特定の情報が必要な場合は、XPath クエリを変更して、適切なノード。例:

foreach ($div->getElementsByTagName('a') as $link) {
    echo $dom->saveXML($link);
}

追加リソース

DOMDocument の操作に関する詳細については、次のリソースを参照してください:

• [DOMDocument ドキュメント](https ://www.php.net/manual/en/class.domdocument.php)
• [スタック内の DOMDocument に関する質問と回答オーバーフロー](https://stackoverflow.com/search?q=user:208809 DOM)