使用 dom (php) 解析 img 和 html 代码

Question

我有一个解析 img 和 texts 的代码。运行 php 文件中的代码。它只是显示 img src、abc、img src、dfe。而且我的代码不规则。 img 标签可能带有链接。

我想解析 img 和下一个 html。像这样：

Array
(
    [0] => Array
        (
            [src] => http://www.whatever.com
            [text] =>  abc
    <br>
    <h3>title</h3>
    <div class="content">content <a href="link">my link</a></div>
        )

    [1] => Array
        (
            [src] => http://goingnowhere.com
            [text] =>  def
    <br>
    <h3>title 2</h3>
    <div class="content">content <a href="link">my link</a>

    bla bla bla

    </div>
        )

)

我该怎么做？我当前的代码：

<?php $sample_html = '
<img src="http://www.whatever.com" alt="" />
abc
<br>
<h3>title</h3>
<div class="content">content <a href="link">my link</a></div>
<img src="http://goingnowhere.com" alt="">
def
<br>
<h3>title 2</h3>
<div class="content">content <a href="link">my link</a>

bla bla bla

</div>
';

$dom = new DOMDocument();
$dom->loadHTML($sample_html);

$data = array();
$images = $dom->getElementsByTagName('img');
foreach ($images as $image) {
$data[] = array(
'src' => $image->getAttribute('src'),
'text' => trim($image->nextSibling->textContent),
);
}

echo '<pre>';
print_r($data); ?>

Answer 1

使用 xpath 遍历所有节点并使用两个 img 标签检索数据。

<?php $sample_html = '
<img src="http://www.whatever.com" alt="" />
abc
<br>
<h3>title</h3>
<div class="content">content <a href="link">my link</a></div>
<img src="http://goingnowhere.com" alt="">
def
<br>
<h3>title 2</h3>
<div class="content">content <a href="link">my link</a>

bla bla bla

</div>
';

$dom = new DOMDocument();
@$dom->loadHtml($sample_html);

$xpath = new DOMXPath($dom);

$snippet = '';
$arr = array();
$count = $xpath->query('//img')->length;
//loop through all img tags
for($i=0;$i<$count;$i++){

    $node = $xpath->query('//img')->item($i);
    $img_src = $node->getAttribute('src');//first image src

    while ($node = $node->nextSibling) {

      if (get_class($node) != 'DOMElement') {
        continue;
      }

      if ($node->tagName  == 'img') {
        $snippet .= $dom->saveXML($node);
        $arr[] = array(
            'src'=>$img_src,
            'content'=>$snippet
        );
        $img_src = $node->getAttribute('src');//last img src
        $snippet = '';
        break;
      }
      $snippet .= $dom->saveXML($node);

    }
}
//fill last img data
$arr[] = array('src'=>$img_src,'content'=>$snippet);