简单的 HTML DOM 解析器 - 获取所有纯文本而不是某些元素的文本答案

【问题标题】：Simple HTML DOM Parser - Get all plaintex rather than text of certain element简单的 HTML DOM 解析器 - 获取所有纯文本而不是某些元素的文本
【发布时间】：2013-04-28 16:42:30
【问题描述】：

我尝试了question 上发布的所有解决方案。虽然它与我的问题相似，但它的解决方案对我不起作用。

我正在尝试获取<b> 之外的纯文本，它应该在<div id="maindiv> 之内。

<div id=maindiv>
     <b>I don't want this text</b>
     I want this text
</div>

$part 是包含<div id="maindiv"> 的对象。现在我尝试了这个：

$part->find('!b')->innertext;

上面的代码不起作用。当我尝试这个时

$part->plaintext;

它返回了像这样的所有纯文本

I don't want this text I want this text

我阅读了官方文档，但没有找到任何解决此问题的方法：

【问题讨论】：

标签： php parsing dom html-parsing web-scraping

【解决方案1】：

查询：

$selector->query('//div[@id="maindiv"]/text()[2]')

解释：

//               - selects nodes regardless of their position in tree

div              - selects elements which node name is 'div'

[@id="maindiv"]  - selects only those divs having the attribute id="maindiv"

/                - sets focus to the div element

text()           - selects only text elements

[2]              - selects the second text element (the first is whitespace)

                   Note! The actual position of the text element may depend on
                   your preserveWhitespace setting.

                   Manual: http://www.php.net/manual/de/class.domdocument.php#domdocument.props.preservewhitespace

例子：

$html = <<<EOF
<div id="maindiv">
     <b>I dont want this text</b>
     I want this text
</div>
EOF;

$doc = new DOMDocument();
$doc->loadHTML($html);

$selector = new DOMXpath($doc);   

$node = $selector->query('//div[@id="maindiv"]/text()[2]')->item(0);
echo trim($node->nodeValue); // I want this text

【讨论】：

比您的快速回复，请您为我解释一下。

【解决方案2】：

先删除<b>：

$part->find('b', 0)->outertext = '';
echo $part->innertext; // I want this text

【讨论】：