Question

我想使用DOM Document获取整个body标签内容。

我使用了以下代码：

$dom = new domDocument;

/*** load the html into the object ***/
$dom->loadHTML($html);

/*** the table by its tag name ***/
$tables = $dom->getElementsByTagName('body')->item(0)->nodeValue;

这给了我TExt。我想要全身内容。

Answer 1

您可以将正文DOMElement传递给DOMDocument::saveHTML()或DOMDocument::saveHTMLFile()，例如

<?php
$doc = new DOMDocument;
$doc->loadhtmlfile('http://stackoverflow.com');

$body = $doc->getElementsByTagName('body');
if ( $body && 0<$body->length ) {
    $body = $body->item(0);
    echo $doc->savehtml($body);
}

打印

Warning: DOMDocument::loadHTMLFile(): Unexpected end tag : p in http://stackoverflow.com, line: 2843 [...]
<body class="home-page">
<noscript><div id="noscript-padding"></div></noscript>
<div id="notify-container"></div>
<div id="overlay-header"></div>
<div id="custom-header"></div>
<div class="container">
        <div id="header">
            <div id="portalLink">
[...]

Answer 2

使用PHP整理扩展更安全，它可以修复无效的XHTML结构并仅提取正文：

$tidy = new tidy();
$htmlBody = $tidy->repairString($html, array(
    'output-xhtml' => true,
    'show-body-only' => true,
), 'utf8');

然后将提取的主体加载到DOMDocument：

$xml = new DOMDocument();
$xml->loadHTML($htmlBody);

Answer 3

$dom = new domDocument;
$dom->loadHTML($html);

// ... change, replace ...
// ... mock, traverse ..

$body = $dom->documentElement->lastChild;
$dom->saveHTML($body);

使用PHP DOM DOCUMENT获取整个BODY内容

3 个答案: