Question

我使用此代码（谢谢Lawrence）来解析HTML表格：

<?php
$html = file_get_contents('http://www.example.com');
$dom = new DOMDocument();
@$dom->loadHTML($html);

//TUE 1 1 4.37 6.39 1.08 5.35 9.18 6.00 1.30 6.30 7.42 9.40                 
echo '
<table>
    <tr>';
foreach($dom->getElementsByTagName('table') as $table) {
    echo innerHTML($table->getElementsByTagName('tr')->item(9));
}
echo '
    </tr>
</table>';

function innerHTML($current){
    $ret = "";
    $nodes = @$current->childNodes;
    if(!empty($nodes)){
        foreach($nodes as $v){
            $tmp = new DOMDocument();
            $tmp->appendChild($tmp->importNode($v, true));
            $ret .= $tmp->saveHTML();
        }
        return $ret;
    }
    return;
}
?>

问题是它输出原始HTML代码，那么如何输出纯文本？

我已尝试过这些更改，但它没有成功：

return $ret->textContent;
return $ret->nodeValue;
return $ret->plaintext;

echo innerHTML($table->getElementsByTagName('tr')->item(9)->textContent);
echo innerHTML($table->getElementsByTagName('tr')->item(9)->nodeValue);
echo innerHTML($table->getElementsByTagName('tr')->item(9)->plaintext);

Answer 1

解决方案实际上非常简单 - strip_tags功能。

echo strip_tags(innerHTML($table->getElementsByTagName('tr')->item(9)));

它获取值并删除所有HTML代码，从而产生纯文本值。

Answer 2

html2text库会将您的html内容转换为文本，它使用PHP的DOM方法，并迭代所有元素并从给定的HTML中提取文本

用法：

$ text = convert_html_to_text（$ html）;

如何用php DOMDocument输出纯文本？

2 个答案: