php DOMDocument nodeName 属性返回带有 nodeName 的“#text”
Posted
技术标签:
【中文标题】php DOMDocument nodeName 属性返回带有 nodeName 的“#text”【英文标题】:php DOMDocument nodeName property returning '#text' with the nodeName 【发布时间】:2012-03-24 07:50:38 【问题描述】:我想提取 html 页面的正文内容及其子页面的 tagNames。我采用了这样的示例 html:
<html>
<head></head>
<body>
<h1>This is H1 tag</h1>
<h2>This is H2 tag</h2>
<h3>This is H3 tag</h3>
</body>
</html>
我已经实现了如下的 php 代码,并且工作正常。
$d=new DOMDocument();
$d->loadHTMLFile('file.html');
$l=$d->childNodes->item(1)->childNodes->item(1)->childNodes;
for($i=0;$i<$l->length;$i++)
echo "<".$l->item($i)->nodeName.">".$l->item($i)->nodeValue."</".$l->item($i)->nodeName.">";
这段代码工作得非常好,但是当我尝试使用 foreach 循环而不是 for 循环来执行此操作时,nodeName 属性会返回带有每个实际 nodeName 的“#text”。 这是代码
$l=$d->childNodes->item(1)->childNodes->item(1)->childNodes;
foreach ($l as $li)
echo $li->childNodes->item(0)->nodeName."<br/>";
为什么会这样?
【问题讨论】:
【参考方案1】:当我遇到此问题时,通过执行以下操作已解决。
$xmlDoc = new DOMDocument();
$xmlDoc->preserveWhiteSpace = false; // important!
您可以追踪您的 $node->nodeType 以查看差异。即使只有一个节点(子节点),我也会得到 3、1、3。关闭空白,现在我只得到 1。
GL。
【讨论】:
【参考方案2】:在 DOM 中,一切都是“节点”。不仅仅是元素(标签);元素之间的 cmets 和文本(即使只是空格或换行符,在您的示例中似乎就是这种情况)也是节点。由于文本节点没有实际的节点名称,因此将其替换为 #text
以表明它是一种特殊类型的节点。
显然,使用item
方法手动选择子节点时会忽略文本节点,但在迭代DOMNodeList
时会包含文本节点。我不确定这个类为什么会这样,其他人必须回答这个问题。
除了nodeName
和nodeValue
,DOMNode
还具有nodeType
属性。通过对照certain constants 检查此属性,您可以确定节点的类型,从而过滤掉不需要的节点。
【讨论】:
发现可以用nextElementSibling解决DOM家族的nextSibling争吵!该死的 ↵ 和 【参考方案3】:我来晚了一点,但对我来说最好的解决方案是不同的。问题在于 TEXT 节点不知道它的名称,但他的父节点这样做了,您只需要知道它就是向他的父节点询问 nodeValue 以获取密钥。
$dom = new DOMDocument();
$dom->loadXML($stringXML);
$valorizador = $dom->getElementsByTagName("tagname");
foreach ($valorizador->item(0)->childNodes as $item)
$childs = $item->childNodes;
$key = $item->nodeName;
foreach ($childs as $i)
echo $key." => ".$i->nodeValue. "\n";
【讨论】:
以上是关于php DOMDocument nodeName 属性返回带有 nodeName 的“#text”的主要内容,如果未能解决你的问题,请参考以下文章