如何在HTML代码段中找到文本节点？

Question

我正在尝试使用PHP DOM函数解析HTML代码段。我已经删除了除段落，跨度和换行符之外的所有内容，现在我想检索所有文本及其伴随的样式。

所以，我想逐个获取每段文本，然后我可以往后逐一回到树上以获取特定属性的值（我只对某些特定属性感兴趣，例如颜色等）。

我该怎么做？还是我想错了方向？

Answer 1

假设您在这里有一个DOMDocument：

$doc = new DOMDocument();
$doc->loadHTMLFile('http://stackoverflow.com/');

您可以使用简单的Xpath查找所有文本节点。

$xpath = new DOMXpath($doc);
$textNodes = $xpath->query('//text()');

只需在其foreach上遍历所有textnode：

foreach ($textNodes as $textNode) {
    echo $textNode->data . "\n";
}

由此，您可以使用->parentNode进入DOM树。

希望这可以给您一个良好的开端。

Answer 2

对于那些更熟悉CSS3选择器，并愿意在其项目中包含一个额外的PHP类的人，我建议使用Simple PHP DOM parser。解决方案如下所示：

$html = file_get_html('http://www.example.com/');

$ret = $html->find('p, span');    
$store = array();

foreach($ret as $element) {
    $store[] = array($element->tag => array('text' => $element->innertext, 
                                            'color' => $element->color, 
                                            'style' => $element->style));
}
print_r($store);