Question

我遇到需要提取xHTML页面的一部分的情况，包括标记。

在这种情况下的正则表达式不是正确的路由，因为我无法保证子div的确切数量。

<div id="myDiv">
    <div><p>This is some content</p></div>
    <div><p>This additional content</p></div>
</div>

因此，在上面的代码片段中，我需要提取包含标记的<div><p>This is some content</p></div>。

我已经做了一些研究使用xPath，它似乎是完成这一步的方法，但我不知道如何让它不仅返回节点的值，而且还返回所有关联的标记-up。

Answer 1

你是对的，这可以通过DOMDocument和XPath来实现，如下所示：

$doc = new DOMDocument();
$doc->loadHTML( $html); // Load the HTML snippet

$xpath = new DOMXPath( $doc);
$node = $xpath->query( '//div[@id="myDiv"]/div')->item(0); // Get the <div>

$saved_node = $doc->saveHTML( $node); // Export that node

在the output中，您可以看到所需的字符串，包括标记：

string(62) "<div><p>This is some content</p></div>"

请注意，我必须通过htmlentities()运行输出，这样您就可以在不查看页面来源的情况下看到<div>。

提取HTML文档的一部分 - 需要包含xHTML标记

1 个答案: