使用 DOMDocument 提取 HTML 节点的问题

简介

DOMDocument 是一个 PHP 类，提供了一种便捷的解析方法以及操作 HTML 文档。然而，当尝试在提取内容时保留 HTML 标签时，用户可能会遇到困难。本文深入探讨了 DOM 的基本概念，并提出了应对这一挑战的解决方案。

理解 DOM 和节点

DOMDocument 将 HTML 文档表示为节点的分层树。每个节点可以有子节点，形成复杂的结构。认识到 HTML 元素及其属性和文本内容都表示为 DOMDocument 中的节点至关重要。

解决标签保留问题

提供的代码成功获取具有“showContent”id 的 DIV 节点。但是，它仅检索 DIV 中的文本内容，不包括 HTML 标记本身。这是因为代码使用了$tag->nodeValue，它只提取文本而不是实际的节点。

解决方案：遍历节点

要保留 HTML 节点，您需要遍历目标节点的子节点。下面的代码展示了这种方法：

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

$xpath = new DOMXPath($dom);

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

从 HTML 中检索特定信息

如果您需要来自 HTML 文档的特定信息（例如表中的链接），您可以修改 XPath 查询以选择适当的节点。例如：

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

其他资源

有关使用 DOMDocument 的更多帮助，请参阅以下资源：

• [DOMDocument 文档](https ://www.php.net/manual/en/class.domdocument.php)
• [问题与解答Stack Overflow 中的 DOMDocument](https://stackoverflow.com/search?q=user:208809 DOM)