Question

例如，在使用（getElementsByTagName）时是否可以删除不需要的文本。

这将获取我网站电影的发布日期

$spans = $dom->getElementsByTagName('span');
for($i=0; $i <$spans-> length; $i++){
    $itemprop = $spans->item($i)->getAttribute("itemprop");
    if ($itemprop == "datePublished"){
        if ($spans->item($i)->textContent!='-'){
            $res['published'] = trim($spans->item($i)->textContent);
        }
    }
}

但是发生的事情不是得到这个。

12 July 2011

它取而代之。

12 July 2011 10:47 PM, UTC

我可以添加任何代码以删除此部分。

10:47 PM, UTC

Answer 1

如果您知道要提取的字符串将是一个日期，那么您可以使用JavaScript日期对象格式化日期，但请参阅此链接以获取更多信息：http://www.elated.com/articles/working-with-dates/

Answer 2

您可以使用正则表达式来提取值：

preg_match('/^\d+ \w+ \d+/', $spans->item($i)->textContent, $matches);
list(, $published_date) = $matches;

假设日期格式没有改变，那么您应该没有问题。然而，更好的想法是使用DateTime::createFromFormat解析它。这应该是正确的：

$published_date = DateTime::createFromFormat("d M Y h:i A, e", $spans->item($i)->textContent);

修改：根据建议的更改更新了原始代码：

$spans = $dom->getElementsByTagName('span');
for($i=0; $i < $spans->length; $i++){
    $itemprop = $spans->item($i)->getAttribute("itemprop");
    if ($itemprop == "datePublished"){
        if ($spans->item($i)->textContent!='-'){
            $text_content = trim($spans->item($i)->textContent);
            $published_date = DateTime::createFromFormat("d M Y h:i A, e", $text_content);
            $res['published'] = $published_date->format("d M Y");
        }
    }
}

Answer 3

正如菲利普所提到的，你可以使用正则表达式。

$pattern = "#([0-9]{2} [a-zA-Z]* [0-9]{4})#i
$subject = "12 July 2013 10:47PM, UTC";
preg_match($pattern, $subject, $matches);

echo $matches[0]; // will find first match

我就是这样做的，虽然我不能保证你的代码中表现更好或更方便。

使用时删除不需要的文本（getElementsByTagName）

3 个答案: