问题描述
我花了很多时间在一件非常简单的事情上,不得不在这里发布StackOverflow
$doc = new DOMDocument;
$doc->preserveWhiteSpace = false;
$html = <<<EOD
<div>
<script>var main=0</script>
<div>
<p>my</p>
<script>var inner=0</script>
</div>
<p>text</p>
only
</div>
EOD;
$doc->loadHTML($html);
$xpath = new DOMXPath($doc);
echo $entries = $xpath->query('//*[not(self::script)]')->item(0)->nodeValue;
给我
var main=0 my var inner=0 text only
也尝试过
$entries = $xpath->query('//*[not(self::script)]');
foreach ($entries as $entry) {
if ($entry->tagName == 'style' || $entry->tagName == 'script') {
continue;
}
echo preg_replace('/\s\s+/',' ',$entry->nodeValue);
}
给我
var main=0 my var inner=0 text only var main=0 my var inner=0 text only var main=0 my var inner=0 text only my var inner=0mytext
我尝试了多个xpath,但是没有用
我想要的输出是my text only
我是Scrapy开发人员,我在Scrapy中很容易做到这一点,但是今天对PHP的日子不好过
解决方法
不幸的是,PHP不支持xpath 2.0(IIRC也不支持Scrapy),因此本来容易的name()
方法不可用...
我能想到的最接近的是以下内容,它应该使您足够接近(请注意,由于您的<style>
中没有$html
标签,因此我只关注{{1} }):
<script>
输出:
$entries = $xpath->query('//*[not(./text()/parent::script)]/text()');
foreach ($entries as $entry) {
echo trim($entry->textContent) . " ";
}