提取部分 html 代码答案

【问题标题】：Extracting parts of an html code提取部分 html 代码
【发布时间】：2014-04-24 10:16:12
【问题描述】：

假设我有以下 HTML 代码：

<p>Test text</p>
<p><img src="test.jpg" /></p>
<div id="test"><p>test</p></div>
<div class="block">
    <img src="test2.jpg">
</div>
<p>test</p>

参数：

将存在一个“块”类的 div 块
“块”类的 div 块上方或下方可以有任意数量的 HTML 代码
甚至可以有两个带有“block”类的 div 块

我使用 PHP 的 XPath 来查看使用 DOM 的 HTML 代码。我希望能够返回两件事：

“块”类的 div 块
其余所有代码都没有包含“block”类的 div 元素

类似：

块代码：

<div class="block">
    <img src="test2.jpg">
</div>

原版无块码：

<p>Test text</p>
<p><img src="test.jpg" /></p>
<div id="test"><p>test</p></div>
<p>test</p>

【问题讨论】：

标签： php html parsing xpath

【解决方案1】：

通过使用DOMDocument，您可以这样做：

$content = '<p>Test text</p>'.
        '<p><img src="test.jpg" /></p>'.
        '<div id="test"><p>test</p></div>'.
        '<div class="block">'.
        '<img src="test2.jpg">'.
        '</div>'.
        '<p>test</p>';

$blocks = array();
$doc = new DOMDocument();
$doc->loadHTML($content);

$elements = $doc->getElementsByTagName("*");
foreach ($elements as $element) {
    if($element->hasAttributes()) {
        if ($element->getAttribute('class') == 'block') {
            //add block HTML to block array
            $blocks[]=$doc->saveHTML($element);
            //remove blocck element
            $element->parentNode->removeChild($element);
        }
    }
}

echo '<pre>';
echo $blocks[0]; //iterate or print_r if multiple blocks
echo $doc->saveHTML();
echo '</pre>';

输出“块代码”：

<div class="block"><img src="test2.jpg"></div>

还有“原版无块码”：

<p>Test text</p><p><img src="test.jpg"></p><div id="test"><p>test</p></div><p>test</p>

如果你无法接受 DOMDocument 用 doctype、html 和 body 来“丰富”HTML，当你想要完整的文档而不只是一些摘录时，这可能会很烦人，你可以use this neat function 并用：

echo DOMinnerHTML($doc->getElementsByTagName('body')->item(0));

【讨论】：