Question

我正在遵循此问题的建议Robust，Mature HTML Parser for PHP，关于解析可能与DOMDocument格式不一致的HTML。

有没有简单的方法来循环解析文档？所以我想像这样循环html。

$html='<ul>
         <li>value1</li>
         <li>value1</li>
         <li>value3
            <p>subvalue</p>
         </li>
        </ul>
        <p>hello world</p>';

$doc = new DOMDocument();
$doc->loadHTML($html);
???
foreach (??? as $node)
{
  print $node->nodeName.':'.$node->nodeValue;
}

得到的结果有点像这样。

 ul:
 li:value1
 li:value2
 li:value3
 p:subvalue
 p:hello world

单独使用$doc->childNodes并不能真正做到我想要的。因为它似乎没有下到树中的较低分支。我使用了halfdan建议的代码，我得到了这样的结果。

html:
html:value1
         value1
         value3
            subvalue

        hello world

Answer 1

试试这个：

$doc = new DOMDocument();
$doc->loadHTML($html);
showDOMNode($doc);

function showDOMNode(DOMNode $domNode) {
    foreach ($domNode->childNodes as $node)
    {
        print $node->nodeName.':'.$node->nodeValue;
        if($node->hasChildNodes()) {
            showDOMNode($node);
        }
    }    
}

Answer 2

您需要使用PHP Simple HTML DOM Parser和以下代码：

<?php
require_once 'simplehtmldom/simple_html_dom.php';

function iterateHtmlElements($html)
{
    $dom = str_get_html($html);
    $dom->set_callback('handleElement');
    $dom->__toString();
    echo "\n";
}

function handleElement(simple_html_dom_node $elem)
{
    if($elem->tag == 'text') {
        echo $elem->innertext();
    }
    else {
        echo "\n" . $elem->tag . ": ";
    }
}

$html='<ul>
         <li>value1</li>
         <li>value1</li>
         <li>value3
            <p>subvalue</p>
         </li>
        </ul>
        <p>hello world</p>';
iterateHtmlElements($html);

它完全按预期工作。我用你提供的输入检查了它，得到了以下结果：

> php test2.php

ul:
li: value1
li: value1
li: value3
p: subvalue
p: hello world

Answer 3

我遇到了包含c数据的元素的问题，即使是那些没有孩子的元素也会返回他们所做的事情。

我不确定原因。

我找到的工作是改变

if($node->hasChildNodes()) {
        showDOMNode($node);
    }

到

if($node->childNodes->length != 1) {
        showDOMNode($node);
    }

现在代码完美无缺。

Answer 4

一种方法是按照以下步骤走树：

function next_node($node)
{
    if($node->firstChild != null)
    {
        return $node->firstChild;
    }

    if($node->nextSibling != null)
    {
        return $node->nextSibling;
    }

    for($node = $node->parentNode; $node != null; $node = $node->parentNode)
    {
        if($node->nextSibling != null)
        {
            return $node->nextSibling;
        }
    }

    return null;
}

for($node = $doc; $node != null; $node = next_node($node))
{
    // handle node (read-only mode, if you need read-write
    // you have to save all the nodes in an array and then
    // use that array
    //
    ...
}

这适用于大多数文档，但有时看起来parentNode不正确地设置，next_node()函数最终返回错误的信息。

循环遍历DOMDocument

4 个答案: