Question

我有一个这样的结构：

<h3><span class="header" id="first_set">My Heading</span></h3>
<ul><li>Text Text Text</li></ul>
<ul><li>Text Text Text</li></ul>
<ul><li>Text Text Text</li></ul>
<h3><span class="header" id="second_set">My Second Heading</span></h3>
<ul><li>Text Text Text</li></ul>
<ul><li>Text Text Text</li></ul>
<ul><li>Text Text Text</li></ul>
<h3><span class="header" id="third_set">My Third Heading</span></h3>
<ul><li>Text Text Text</li></ul>
<ul><li>Text Text Text</li></ul>
<ul><li>Text Text Text</li></ul>

我使用 DOMDocument 从网页中提取了此内容。我需要遍历9000个页面，这些页面在其中都有细微的变化。因此，“第三标题”实际上在某些情况下可能是一个表，而不是另一个h3。

我要准确地做的是将div环绕在第二个标题上，并在div不再找到</ul>标签时关闭div（因此，直到它遇到不是ul标签为止>）。因此结果将是这样的：

<h3><span class="header" id="first_set">My Heading</span></h3>
<ul><li>Text Text Text</li></ul>
<ul><li>Text Text Text</li></ul>
<ul><li>Text Text Text</li></ul>
<div class="second_heading">
<h3><span class="header" id="second_set">My Second Heading</span></h3>
<ul><li>Text Text Text</li></ul>
<ul><li>Text Text Text</li></ul>
<ul><li>Text Text Text</li></ul>
</div>
<h3><span class="header" id="third_set">My Third Heading</span></h3>
<ul><li>Text Text Text</li></ul>
<ul><li>Text Text Text</li></ul>
<ul><li>Text Text Text</li></ul>

我在考虑preg_replace，但不确定如何执行“找到最后一个关闭ul标签时关闭div”的逻辑。

Answer 1

您可以在继续使用DOMDocument的同时实现这一目标。我假设您有一个名为$node的变量，它是您在问题中显示的HTML上方的节点。在这种情况下，您可以使用DOMXPath找到该元素的所有子节点，然后对其进行迭代，直到到达第二个<h3>并将其和所有后续的<ul>元素附加到新的<div>，直到到达第二个标头之后的第一个非<ul>元素为止：

$div = $doc->createElement('div');
$xpath = new DOMXPath($doc);
$headers = 0;
foreach ($xpath->query('./*', $node) as $child) {
    echo $child->nodeName;
    switch ($child->nodeName) {
        case 'h3':
            $headers++;
            if ($headers == 2) {
                $node->replaceChild($div, $child);
                $div->appendChild($child);
            }
            else if ($headers == 3) {
                break 2;
            }
            break;
        case 'ul':
            if ($headers == 2) $div->appendChild($child);
            break;
        default:
            // if a non-ul element after the 2nd header, exit the loop
            if ($headers == 2) break 2;
            break;
    }
}

Demo on 3v4l.org

将H3标签及其下的所有UL标签包装在div中

1 个答案: