假设我想根据页面的元素和内容结构实现自动字体请求优化,如何使用PHP DomDocument获取所需信息?
简而言之,问题可以通过两个结构示例来说明:
示例1
<p><em>All italic paragraph text</em></p>
示例2
<p>Normal paragraph text <em>and some italic text</em></p>
两个示例中的元素结构相同,即具有<em>
子元素的段落元素。但是,内容结构不同:示例1中的所有文本都是斜体,但示例2中包含正常和斜体文本。
我目前获取元素结构的方法是这样的:
$dom = new DOMDocument;
foreach ($dom->getElementsByTagName('p') as $elm) {
$elms[] = $dom->saveHTML($elm);
}
然后我会迭代元素并使用相同的方法来查找<em>
和<strong>
等嵌套元素。
但我需要一个很好的方法来处理内容结构。我想我可以用<em>
和</em>
拆分文本,看看结果列表中的第一个和最后一个元素是否有长度,但这让我想起了使用正则表达式进行自定义HTML搜索,这似乎是这里推荐的方法最少。
但在这种情况下我的替代方案是什么?
答案 0 :(得分:1)
您可以使用DOMXPath查找单个文本节点:
$html = "<p>Normal paragraph text <em>and some italic text</em></p>";
$dom = new DOMDocument;
$dom->loadHTML($html);
$xpath = new DOMXpath($dom);
$textNodes = $xpath->query("//text()");
$elms = [];
foreach ($textNodes as $elm) {
$elms[] = array(
"parent" => $elm->parentNode->tagName,
"path" => $elm->parentNode->getNodePath(),
"text" => $elm->textContent
);
}
$elms
将包含:
array (
array (
'parent' => 'p',
'path' => '/html/body/p',
'text' => 'Normal paragraph text ',
),
array (
'parent' => 'em',
'path' => '/html/body/p/em',
'text' => 'and some italic text',
),
)