php Xpath使用innerHTML标签获取innerHTML

Posted 2023-02-24

【中文标题】php Xpath使用innerHTML标签获取innerHTML

【英文标题】：php Xpath getting innerHTML with innerHTML tags

【发布时间】：2011-12-13 06:19:00

【问题描述】：

我有一个格式如下的 html 文件：

<p class="p1">subject</p>
<p class="p2">detail <span>important</span></p>

<p class="p1">subject</p>
<p class="p2">detail<span>important</span></p>

我编写了一个 php 代码来自动获取每个 p1，并将它们插入到我的 mysql 表中。

这是我的代码：

$doc = new DOMDocument();

$doc->loadHTMLFile("file.html");

$xpath = new DomXpath($doc);

$subject = $xpath->query('//p');


for ($i = 0 ; $i < $subject->length-1 ; $i ++) 

if ($subject->item($i)->getAttribute("class") == "p1")
    echo $subject->item($i)->nodeValue;

...

这不是我的完整代码，但问题是：

echo $subject->item($i)->nodeValue;

这给了我<p>detail important</p>，没有<span></span> 标签。

在细节的“重要”部分周围放置 span 标签非常重要。有什么功能可以做到不头痛吗？

提前致谢

【问题讨论】：

innerHTML in xPath?的可能重复

我发现了这个 SO 条目，希望对您有所帮助：***.com/questions/6286362/…

【参考方案1】：

我找到了问题的答案 :) 感谢 SimpleHTMLDOM

foreach($html->find('p') as $element) 

 switch ($element->class) 
      case 'p1':
                     $subject = $element;
                     break;
      case 'p2': $detail .= html_entity_decode($element);

 

诀窍在于：

html_entity_decode($element);

【参考方案2】：

每当我需要解析 HTML 时，我都会通过 SimpleHTMLDOM 运行它：

http://simplehtmldom.sourceforge.net/

我建议使用 1.11 版本。由于各种原因，1.5 相当损坏。

【讨论】：

SimpleHTMLDOM 在设计上存在缺陷，因此我不推荐它，而是基于 DomDocument 的东西，另请参阅：***.com/questions/3606792/…

这里也有同样的问题。它只有 $element->plaintext。所以如果元素中有任何标签，它将被提取为纯文本:(

【参考方案3】：

旧查询，但有一个单行。 OP应该使用：

$subject = $xpath->query('//p/*');

然后：

echo $doc->saveHtml($subject->item($i));

使用*，您将获得内部html（没有包装段落标签）；如果没有 *，您将获得带有包装段落的 html；

完整示例：

$html = '<div><p>ciao questa è una <b>prova</b>.</p></div>';
$dom = new DomDocument($html);
@$dom->loadHTML($html);
$xpath = new DOMXPath($dom);
$node = $xpath->query('.//div/*'); // with * you get inner html without surrounding div tag; without * you get inner html with surrounding div tag
$innerHtml = $dom->saveHtml($node);
var_dump($innerHtml);

输出：<p>ciao questa è una <b>prova</b>.</p>