Question

我有以下HTML结构，我试图从中提取第一个h2和第一段：

function getSnippet ($html) {
    $doc = new DOMDocument();
    $doc->loadHTML($html);

    $headings = $doc->getElementsByTagName('h2');
    $paragraphs = $doc->getElementsByTagName('p');

    $snippet = '';

    $firsth2 = $headings->item(0);
    $snippet .= $firsth2->firstChild->nodeValue;

    $firstp = $paragraphs->item(0);
    $snippet .= $firstp->firstChild->nodeValue;

    return $snippet;
}

这是我使用DOMDocument的代码，它适用于上面HTML中的标题，但它不适用于段落 - 只获取链接的文本，我认为它可能是有意义的，因为它可能已创建作为另一个节点。我如何更改下面的函数，以便它将获得所有第一段文本？

[TestMethod]
public void Test()
{
    var template = "A:<<Default>>;B:<<Default>>;C:<<Default>>;D:<<Default>>;E:<<Default>>";

    Assert.AreEqual(Pair.Process("A:aaa;E:eee", template),
        "A:aaa;B:<<Default>>;C:<<Default>>;D:<<Default>>;E:eee");

    Assert.AreEqual(Pair.Process("D:ddd", template),
        "A:<<Default>>;B:<<Default>>;C:<<Default>>;D:ddd;E:<<Default>>");

    Assert.AreEqual(Pair.Process("B:bbb;E:eee", template),
        "A:<<Default>>;B:bbb;C:<<Default>>;D:<<Default>>;E:eee");

}

public class Pair
{
    public static char InnerSeperator = ':';
    public static char OuterSeperator = ';';
    public static string DefaultValue = "<<Default>>";

    public Pair(string asString)
    {
        var strings = asString.Split(InnerSeperator).ToList();
        Key = strings[0];
        Value = strings.Count > 1 ? strings[1] : DefaultValue;
    }

    public string Key { get; set; }
    public string Value { get; set; }
    public override string ToString()
    {
        return string.Format("{0}{1}{2}", Key, InnerSeperator, Value);
    }

    public static string ToStringJoined(IEnumerable<Pair> pairs)
    {
        return string.Join(OuterSeperator.ToString(), pairs.Select(i => i.ToString()));
    }

    public static IEnumerable<Pair> FromJoinedString(string joined)
    {
        return joined.Split(OuterSeperator)
            .Select(x => x.Trim())
            .Where(x => !string.IsNullOrWhiteSpace(x))
            .Select(x => new Pair(x));
    }

    public static string Process(string values, string template)
    {
        var templateItems = FromJoinedString(template);
        var valueItems = FromJoinedString(values);
        var resultItems = templateItems.Select(t => valueItems.FirstOrDefault(x => x.Key == t.Key) ?? t);
        return ToStringJoined(resultItems);
    }
}

Answer 1

您需要节点的文本内容：

$snippet .= $firstp->textContent;

PHP文档：php.net DOMNode->textContent

Answer 2

您可以尝试textContent：

$snippet .= $firstp->firstChild.textContent;

使用PHP DOMDocument从元素中获取所有内容

2 个答案: