Question

使用以下代码：

use Symfony\Component\DomCrawler\Crawler;
require_once(__DIR__ . '/../vendor/autoload.php');

$html = <<<'HTML'
<!DOCTYPE html>

<html>
    <body>
        <p class="message">Hello World!</p>
        <p>Hello Crawler!</p>
        <p>OUTSIDE
            <span>
                Child SPAN
            </span>
            <div>
                Child DIV
            </div>
            <p>
                Child PARAGRAPH
            </p>
        </p>
    </body>
</html>

HTML;

$crawler = new Crawler($html);
$crawlerFiltered = $crawler->filter('body > p');

$results = [];
$childResults = [];
for ($i=0; $i<count($crawlerFiltered); $i++) {
    $results[] = $crawlerFiltered->eq($i)->html();

    $children = $crawlerFiltered->eq($i)->children();
    if (count($children)) {
        for ($j=0; $j<count($children); $j++) {
            $childResults[] = $children->eq($j)->html();
        }
    }
}

echo 'Parent Nodes:' . PHP_EOL;
var_export($results);
echo PHP_EOL;
echo 'Child Nodes:' . PHP_EOL;
var_export($childResults);

我得到结果：

Parent Nodes:
array (
  0 => 'Hello World!',
  1 => 'Hello Crawler!',
  2 => 'OUTSIDE
            <span>
                Child SPAN
            </span>
            ',
  3 => '
                Child PARAGRAPH
            ',
)
Child Nodes:
array (
  0 => '
                Child SPAN
            ',
)

这表示以下问题：

子级结果：无DIV或P（仅内嵌标签）
父项结果：“ PHARAGRAPH”没有标签，与SPAN不一致
父项结果：应仅包含第一个p，因为第二个p（PHARAGRAPH）不以body作为父母，但p

您知道为什么会这样以及如何解决上述问题吗？

Answer 1

The documentation for this component状态：

注意

DomCrawler将尝试自动修复HTML以使其符合官方规范。例如，如果将<p>标签嵌套在另一个<p>标签内，则该标签将被移动为父标签的同级标签。这是预期的，并且是HTML5规范的一部分。

使用内置的DomDocument类可能会更好。大多数HTML解析器旨在处理"tag soup"，并会尝试纠正已知的问题。

Symfony Dom Crawler缺少节点，行为不一致

1 个答案: