Goutte - dom 爬虫 - 移除节点答案

【问题标题】：Goutte - dom crawler - remove nodeGoutte - dom 爬虫 - 移除节点
【发布时间】：2014-12-08 09:34:07
【问题描述】：

我的网站上有 html (http://testsite.com/test.php)：

<div class="first">
  <div class="second">
     <a href="/test.php">click</a>
     <span>back</span>
  </div>
</div>
<div class="first">
  <div class="second">
     <a href="/test.php">click</a>
     <span>back</span>
  </div>
</div>

我想收到：

<div class="first">
  <div class="second">
     <a href="/test.php">click</a>
  </div>
</div>
<div class="first">
  <div class="second">
     <a href="/test.php">click</a>
  </div>
</div>

所以我想删除跨度。我基于http://symfony.com/doc/current/components/dom_crawler.html 在 Symfony2 中使用 Goutte：

    $client = new Client();
    $crawler = $client->request('GET', 'http://testsite.com/test.php');

    $crawler->filter('.first .second')->each(function ($node) {
        //??????
    });

【问题讨论】：

标签： php symfony dom web-crawler goutte

【解决方案1】：

作为explained in the docs:

DomCrawler 组件简化了 HTML 和 XML 文档的 DOM 导航。

还有：

尽管可能，DomCrawler 组件并非设计用于操作 DOM 或重新转储 HTML/XML。

DomCrawler 旨在从 DOM 文档中提取详细信息，而不是对其进行修改。

但是...

由于 PHP 通过引用传递对象，而 Crawler 基本上是 DOMNodes 的包装器，因此在技术上可以修改底层 DOM 文档：

// will remove all span nodes inside .second nodes
$crawler->filter('html .content h2')->each(function (Crawler $crawler) {
    foreach ($crawler as $node) {
        $node->parentNode->removeChild($node);
    }
});

这是一个工作示例：https://gist.github.com/jakzal/8dd52d3df9a49c1e5922

【讨论】：

它抛出未定义变量的错误：爬虫，然后我有使用（$crawler），但它对我不起作用
对我也不起作用。为了改进答案，我建议将 $node 从闭包中消除歧义，将 $node 从 foreach() 中消除歧义。我收到 ig Error: Call to a member function removeChild() on null 的错误。解决此问题并且示例有效后，很高兴为您投票。
虽然您的 gist 示例正在运行，但此示例不是由于上述参数问题。
不知道那里发生了什么。用正确的例子更新了我的答案。干杯！

【解决方案2】：

To remove a node the anonymous function must return false.

只要在reducer内部返回false，$node就会被删除。

【讨论】：

在 reducer 内部，而不仅仅是任何闭包。