Question

我正在尝试在1个HTML标记之间提取文本，但未能执行此操作：

HTML - 要提取的文字（http://www.alexa.com/siteinfo/google.com）

<span class="font-4 box1-r">3,757,209</span>

PHP

$data = frontend::file_get_contents_curl('http://www.alexa.com/siteinfo/'.$domain); // custom function that return the HTML string
$dom = new DOMDocument();
$dom->loadHTML(htmlentities($data));
$xpath = new DOMXpath($dom);
$backlinks = $xpath->query('//span[@class="font-4 box1-r"]/text()');
var_dump($backlinks); // returns null

Answer 1

实际问题是htmlentities()转义所有标记分隔符（<和>），因此最终加载了一个没有元素和属性的长字符串{{1} }：

DOMDocument()

<强> eval.in demo (problem) 的 eval.in demo (solution)

输出

$data = <<<HTML <div><span class="font-4 box1-r">3,757,209</span></div> HTML; $doc = new DOMDocument(); $doc->loadHTML(htmlentities($data)); echo $doc->saveXML();

Answer 2

您可以将simplehtmldom库用于此目的（http://simplehtmldom.sourceforge.net/）。并将代码实现为：

require_once 'simplehtmldom/simple_html_dom.php';
$html = file_get_html('http://www.alexa.com/siteinfo/google.com');
echo $html->find('span.box1-r', 0)->plaintext;

使用DOM和XPATH在多个类的html标记之间提取文本

2 个答案: