提取 Div 中包含其他 dom 元素但不包含在任何标签内的纯文本

Question

我正在尝试使用 PHP 提取一些未包含在任何标签中的纯文本。最好的解释方式就是展示；

<div>
    <span>Hello</span>
        THIS IS THE TEXT I WANT TO EXTRACT
    <span>this is some other text</span>
    <div><span>pow</span></div>
</div>

我即将尝试的是循环并删除 div 中的所有 dom 元素，并且应该保留文本。但我希望有一种更优雅的方法:)

Answer 1

如果我正确阅读您的问题，您想要获取元素的文本，但不包括子元素的文本。

使用 JavaScript，这里有一个解决方案：

http://www.stevefenton.co.uk/Content/Blog/Date/201007/Blog/Jquery-Get-Text-While-Exclusion-Children/

总而言之，你会这样做......

$("#mydiv").clone().children().remove().end().text();

在 PHP（使用 phpquery）中，这将是...

$phpqueryObj = phpQuery::newDocument(DOMinnerHTML($INNERHTMLOFYOURDOMELEMENT));
$text = $phpqueryObj->clone()->children()->remove()->end()->text();

如果没有 jQuery / JavaScript，您将必须手动执行类似的过程，即从元素的克隆版本中删除子元素，然后获取内部文本。

Answer 2

最简单的方法可能是使用给定上下文节点的 XPath。

$dom = new DOMDocument;
$dom->loadHTML($html);
$xpath = new DOMXPath($dom);
//find all div nodes
foreach ($xpath->query('//div') as $div) {
   //get any immediate child text nodes
   foreach ($xpath->query('text()', $div) as $text) {
      echo "$text->nodeValue\n";
   }
}

请注意，第一个查询将返回 all div，因此您必须针对所需的 div 使其更加具体。

我在您的示例上测试了上面的代码并且它有效。