从 Simple Html Dom 中排除不需要的 html - PHP
Posted
技术标签:
【中文标题】从 Simple Html Dom 中排除不需要的 html - PHP【英文标题】:Exclude non wanted html from Simple Html Dom - PHP 【发布时间】:2020-07-15 18:38:17 【问题描述】:我正在使用带有 php 的 html Simple Dom Parser 从网站获取标题、描述和图像。我面临的问题是我得到了我不想要的 html 以及如何排除那些 html 标签。下面是解释。
这是一个正在解析的示例 html 结构。
<div id="product_description">
<p> Some text</p>
<ul>
<li>value 1</li>
<li>value 2</li>
<li>value 3</li>
</ul>
// the div I dont want
<div id="comments">
<h1> Some Text </h1>
</div>
</div>
我正在使用下面的php脚本来解析,
foreach($html->find('div#product_description') as $description)
echo $description->outertext ;
echo "<br>";
上面的代码解析了 id 为“product_description”的 div 中的所有内容。我想排除 ID 为“cmets”的 div。我尝试将其转换为字符串,然后使用 substr 排除最后一个字符,但这不起作用。不知道为什么。关于我该怎么做的任何想法?任何允许我从解析的 html 中排除 div 的方法都可以。谢谢
【问题讨论】:
【参考方案1】:你可以通过设置outertext = ''
来移除你不想要的元素:
$src =<<<src
<div id="product_description">
<p> Some text</p>
<ul>
<li>value 1</li>
<li>value 2</li>
<li>value 3</li>
</ul>
<!-- the div I don't want -->
<div id="comments">
<h1> Some Text </h1>
</div>
</div>
src;
$html = str_get_html($src);
foreach($html->find('#product_description') as $description)
$comments = $description->find('#comments', 0);
$comments->outertext = '';
print $description->outertext ;
【讨论】:
感谢您的回复。我不明白你为什么使用 $src 变量?这会保存这个对象 $html->find('div#product_description') 吗? 不,它只是一个保存 HTML 的变量,所以我可以将它传递给str_get_html
函数,只是为了使代码完全可以用于演示。
非常感谢。我没有使用 $html = str_get_html($src);和 $src 变量。这是我使用的代码。 foreach($html->find('div#ProductDescription_Tab') as $description) $cmets = $description->find('.hsn_cmets', 0); $cmets->outertext = '';打印 $description->outertext ; 【参考方案2】:
好吧,所以我发现自己只是使用 Advanced Html Dom 库,它与简单的 html dom 完全兼容,并且通过使用它,您将获得更多的控制权。从已解析的 html 中删除您想要的内容非常简单。例如。
//to remove script tag
$scripts = $description->find('script')->remove;
//to remove css style tag
$style = $description->find('style')->remove;
// to remove a div with class name findify-element
$findify = $description->find('div.findify-element')->remove;
enter link description here
【讨论】:
以上是关于从 Simple Html Dom 中排除不需要的 html - PHP的主要内容,如果未能解决你的问题,请参考以下文章
如何使用 Simple HTML Dom Parser 从 HTML 中删除类和 ID 属性
php利用simple_html_dom类,获取页面内容,充当爬虫角色