php DOMDocument nodeName 属性返回带有 nodeName 的“#text”答案

【问题标题】：php DOMDocument nodeName property returning '#text' with the nodeNamephp DOMDocument nodeName 属性返回带有 nodeName 的“#text”
【发布时间】：2012-03-24 07:50:38
【问题描述】：

我想提取 html 页面的正文内容及其子页面的 tagNames。我采用了这样的示例 html：

<html>
<head></head>
<body>
<h1>This is H1 tag</h1>
<h2>This is H2 tag</h2>
<h3>This is H3 tag</h3>
</body>
</html>

我已经实现了如下的 php 代码，并且工作正常。

$d=new DOMDocument();
$d->loadHTMLFile('file.html');
$l=$d->childNodes->item(1)->childNodes->item(1)->childNodes;
for($i=0;$i<$l->length;$i++)
{
echo "<".$l->item($i)->nodeName.">".$l->item($i)->nodeValue."</".$l->item($i)->nodeName.">";
}

这段代码工作得非常好，但是当我尝试使用 foreach 循环而不是 for 循环来执行此操作时，nodeName 属性会返回带有每个实际 nodeName 的“#text”。这是代码

$l=$d->childNodes->item(1)->childNodes->item(1)->childNodes;
foreach ($l as $li) {
    echo $li->childNodes->item(0)->nodeName."<br/>";
}

为什么会这样？

【问题讨论】：

标签： php dom html-parsing

【解决方案1】：

当我遇到此问题时，通过执行以下操作已解决。

$xmlDoc = new DOMDocument();
$xmlDoc->preserveWhiteSpace = false; // important!

您可以追踪您的 $node->nodeType 以查看差异。即使只有一个节点（子节点），我也会得到 3、1、3。关闭空白，现在我只得到 1。

GL。

【讨论】：

【解决方案2】：

在 DOM 中，一切都是“节点”。不仅仅是元素（标签）；元素之间的 cmets 和文本（即使只是空格或换行符，在您的示例中似乎就是这种情况）也是节点。由于文本节点没有实际的节点名称，因此将其替换为 #text 以表明它是一种特殊类型的节点。

显然，使用item 方法手动选择子节点时会忽略文本节点，但在迭代DOMNodeList 时会包含文本节点。我不确定这个类为什么会这样，其他人必须回答这个问题。

除了nodeName 和nodeValue，DOMNode 还具有nodeType 属性。通过对照certain constants 检查此属性，您可以确定节点的类型，从而过滤掉不需要的节点。

【讨论】：

发现可以用nextElementSibling解决DOM家族的nextSibling争吵！该死的 ↵ 和

【解决方案3】：

我来晚了一点，但对我来说最好的解决方案是不同的。问题在于 TEXT 节点不知道它的名称，但他的父节点这样做了，您只需要知道它就是向他的父节点询问 nodeValue 以获取密钥。

$dom = new DOMDocument();
$dom->loadXML($stringXML);
$valorizador = $dom->getElementsByTagName("tagname");
foreach ($valorizador->item(0)->childNodes as $item) {
  $childs = $item->childNodes;
  $key = $item->nodeName;
  foreach ($childs as $i) {
     echo $key." => ".$i->nodeValue. "\n";
  }
}

【讨论】：