从 rss 提要中的 html 标签中提取文本答案

【问题标题】：Extract text from html tags in an rss feed从 rss 提要中的 html 标签中提取文本
【发布时间】：2014-01-30 08:45:08
【问题描述】：

我们有以下 RSS 源

<title>THIS IS THE TITLE</title>
<link>http://www.website.com/....</link>
<description>
  <div class="primary-image">
   <img typeof="foaf:Image" src="http://website.com/" alt="Drink driving" title="Drink driving" />
  </div>
  <div class="field-group-format group_meta field-group-div group-meta  speed-fast effect-none">
   <span class="field field-name-field-published-date field-type-datetime field-label-hidden">
      <span class="field-item even">
    <span class="date-display-single" property="dc:date" datatype="xsd:dateTime" content="2014-01-29T17:43:00+00:00">29 Jan, 2014 5:43pm</span>
      </span>
   </span>
   <span class="field field-name-field-author field-type-node-reference field-label-hidden">
      <span class="field-item even"><a href="/authors/joe-finnerty">Joe Finnerty</a></span>
   </span>
  </div>
  <p class="short-desc">TEXT THAT I WANT TO EXTRACT FROM HERE</p>
</description>

我正在尝试使用以下this script 提取<p class="short-desc">TEXT THAT I WANT TO EXTRACT FROM HERE</p>，并在此处检查了一些问题，但没有找到实际的答复。

我尝试添加

$htmlStr = $node->getElementsByTagName('description')->item(0)->nodeValue;
$html = new DOMDocument();        
$html->loadHTML($htmlStr);
$xpath = new DOMXPath($html);
$desc = $xpath->query("//*[contains(concat(' ', normalize-space(@class), ' '), ' short-desc')]");

在 $item = array ( 之前，在 foreach 循环内但不起作用。

但没有完成这项工作。也代替 &lt; 正在替换 < AND &quot; 正在替换 " AND &gt; 正在替换 >

请帮助我几天来一直在寻找答案，但没有找到。

【问题讨论】：

您只需要文本？或与<p> 标签一起使用？
仅来自该规范 p 类标签的 TEXT THAT I WANT TO EXTRACT FROM HERE。

标签： php xml rss

【解决方案1】：

假设您将上述 HTML 内容传递给 $html 变量..

 $dom = new DOMDocument;
    @$dom->loadHTML($html);
    foreach ($dom->getElementsByTagName('p') as $tag) {
        if ($tag->getAttribute('class') === 'short-desc') {
            echo $tag->nodeValue; //"prints" TEXT THAT I WANT TO EXTRACT FROM HERE
         }
    }

【讨论】：

能否请您根据the link 的那个脚本发布整个脚本，我不知道如何链接它们。我是 OOP 和 DOM 的菜鸟
我想说基于这个bavotasan.com/2010/display-rss-feed-with-php

【解决方案2】：

如果我理解正确，您想从提要中删除标签，以便您可以尝试这样：

<?php
$text = '<p>Test paragraph.</p><!-- Comment --> <a href="#fragment">Other text</a>';
echo strip_tags($text);
?>

输出将是：

Test paragraph. Other text

欲了解更多信息：http://in3.php.net/strip_tags

【讨论】：

【解决方案3】：

为什么不使用正则表达式？

$strRegex = '%<p class="short-desc">(.+?)</p>%s';

if (preg_match_all($strRegex, $strContent, $arrMatches))
{
var_dump($arrMatches[1][0]);
}

并获取内容使用

$path = 'path/to/file';
$strContent = file_get_contents($path);

【讨论】：