使用 DOM 解析时如何保持 HTML 格式完整 - （无标签剥离）

Question

使用 DOMDocument，我正在尝试读取 HTML 文件的一部分，并使用下面的代码将其显示在不同的 HTML 页面上。我试图访问的 DIV 部分有几个 <p> 标签。问题是当 DOM 解析文件时，它只获取 <p> 标签之间的文本内容 - 剥离标签 - 并且段落格式丢失。它合并文本并将它们全部显示为一个段落。如何保持 HTML 格式，以便段落在源文件中显示？

HTML 代码

<div class="text_container">
<h3>Title</h3>
<p>Lorem ipsum dolor sit amet, consectetur adipiscing eli. 
Lorem ipsum dolor sit amet, consectetur adipiscing eli.</p>     

<p>Lorem ipsum dolor sit amet, consectetur adipiscing eli. 
Lorem ipsum dolor sit amet, consectetur adipiscing eli.</p>

<p>Lorem ipsum dolor sit amet, consectetur adipiscing eli. 
Lorem ipsum dolor sit amet, consectetur adipiscing eli.</p>

DOMDocumnet 代码

<?php

$page = file_get_contents('word.php');
$doc = new DOMDocument();
$doc -> loadHTML($page);
$divs = $doc->getElementsByTagName('div');
foreach($divs as $div) {
    if ($div->getAttribute('class') === 'text_container') {
         echo '<p>',$div->nodeValue,'</p>';

    }

?>

Answer 1

您可以定义自定义函数DOMinnerHTML()（描述为here）来检索元素的内部HTML，而不是其文本内容。它通过临时创建一个新文档来工作：

<?php 
function DOMinnerHTML($element) 
{ 
    $innerHTML = ""; 
    $children = $element->childNodes; 
    foreach ($children as $child) 
    { 
        $tmp_dom = new DOMDocument(); 
        $tmp_dom->appendChild($tmp_dom->importNode($child, true)); 
        $innerHTML.=trim($tmp_dom->saveHTML()); 
    } 
    return $innerHTML; 
} 
?> 

示例用法：

$doc = new DOMDocument();
$doc -> loadHTML($page);
$divs = $doc->getElementsByTagName('div');
foreach($divs as $div) {
    if ($div->getAttribute('class') === 'text_container') {
        $innerHtml = DOMinnerHTML($div);
        echo '<div>' . $innerHtml . '</div>';
    }
}