Question

假设我有一个这样的html页面：

<html>
<head></head>
<body>
    Hello World!
    <div> my other content </div>
</body>
</html>

如何从DOM Crawler获取“Hello World”？

我认为这样可行：

$crawler = $crawler
    ->filter('body > div');
    ->reduce(function (Crawler $node, $i) {
        return false;
    });

但这显然会出错：

InvalidArgumentException: "The current node list is empty"

Answer 1

不知道这是否可以更容易完成，但您可以使用XPath提取文本节点内容：

$crawler->filterXPath('//body/text()')->text();

结果将是包含string的{{1}}以及文字前后的空格，直到第一个标记。因此，如果您只想要文本本身，您可以修改值：

Hello World

但是，如果您在正文中有多个文本节点，这将适用于您的情况，例如：

$helloWorld = trim($crawler->filterXPath('//body/text()')->text());

您可以这样做：

<html>
<head></head>
<body>
    Hello World!
    <div> my other content </div>
    Some other text
</body>
</html>

这将返回一个数组：

$crawler->filterXPath('//body/text()')->extract(['_text']));