PHP nodevalue剥离html标签

Posted 2023-05-07

【中文标题】PHP nodevalue剥离html标签

【英文标题】：PHP nodevalue stripping html tags

【发布时间】：2013-07-11 03:59:12

【问题描述】：

我在其他地方似乎也有类似的解决方案，但我无法转换为使用我自己的代码。

我有一个函数可以在段落标签之间拆分一个 html 字符串并返回一个数组。代码如下...

$dom = new DOMDocument();
$dom->loadHTML($string);
$domx = new DOMXPath($dom);
$entries = $domx->evaluate("//p");
$result = array();
foreach ($entries as $entry) 
    $result[] = '<' . $entry->tagName . '>' . $entry->nodeValue .  '</' . $entry->tagName . '>';


return $result;

有人可以帮我从中删除 nodeValue 元素，以便它返回带有完整 html 标签的段落内容吗？

我正在测试的 html 是这样的：http://adam-makes-websites.com/tests/htmltest/test.html

我对代码所做的事情的完整测试（因为它与使用 ownerDocument->saveHTML 的建议一致）在这里：http://adam-makes-websites.com/tests/htmltest/runtest.txt

测试的输出可以在这里看到：http://adam-makes-websites.com/tests/htmltest/runtest.php

【问题讨论】：

PHP + DOMDocument: outerHTML for element?的可能重复

【参考方案1】：

您需要在ownerDocument 属性上调用saveHTML：

$result[] = $entry->ownerDocument->saveHTML($entry);

【讨论】：

@AdamJones - 我运行了 Orangepill 的代码，它在 saveXML 上运行良好。

@PédeLeão 我在想，如果内容格式不正确，它可能会在 saveXML 上出现问题。我知道有效的 HTML ！= 有效的 XML

保存 html 恐怕也不会改善它。我现在已将 html 添加到问题中...

将您的 xpath 查询更改为 "//p|//ul" 以在结果中包含 ul

我似乎还有一个小问题。它与编码有关。页面中的某些字符显示为 â 而不是 ” 某些地方的空格也显示为 Â。有什么想法吗？

【参考方案2】：

$dom = new DOMDocument();
$dom->loadHTML($string);
$entries = $dom->getElementsByTagName('p');
$new_dom = new DOMDocument();
foreach ($entries as $entry) 
    $new_dom->appendChild($new_dom->importNode($entry, TRUE));

$result = $new_dom->saveHTML()

【讨论】：

恐怕这不会返回任何内容

@AdamJones - 我再次运行它没有问题。

我刚刚添加了一个指向我正在使用的 html 的链接（在一个字符串变量中），如果这有帮助，可以在上面运行代码？

ul/li 不在 p 标签中...这就是结果中缺少它们的原因。

@AdamJones - 我刚刚使用您提供的 HTML 运行它。它工作正常。