带有简单 html dom 解析器的垃圾 Javascript 和 Css 代码

Question

我正在使用简单的 html dom 解析器来解析 link 和 php。在我正在使用的 url 和 php 代码下方。

URL:

https://homeshopping.pk/products/-Imported-Stretchable-Tights-For-Women--Pack-Of-3-.html

PHP 脚本：

$html = file_get_html('https://homeshopping.pk/products/-Imported-Stretchable-Tights-For-Women--Pack-Of-3-.html');

foreach($html->find('div#ProductDescription_Tab') as $description)
{
    $comments = $description->find('.hsn_comments', 0); 
      $comments->outertext = ''; 

     print $description->outertext ;

}

问题是，在运行脚本之后，我得到了我想要的前端，但是查看页面源代码显示了很多 javascript 和 css 垃圾代码。可以吗？我不能只得到 html 标签而不需要任何额外的 css 或 javascript 代码吗？下面是 php 脚本查看页面源代码在运行脚本之后的图像。

https://imgur.com/a/0SGeox5

Answer 1

如果您使用的是最新版本的simpleHTMLDom，您可以使用remove()功能。这是基于您现有代码的示例代码

$html = file_get_html('https://homeshopping.pk/products/-Imported-Stretchable-Tights-For-Women--Pack-Of-3-.html');

foreach($html->find('div#ProductDescription_Tab') as $description)
{
    $comments = $description->find('.hsn_comments', 0); 
      $comments->outertext = ''; 
    //remove div with script 
    $description->find('div#flix-minisite',0)->remove();
    $description->find('div#flix-inpage',0)->remove();

    //will remove all <script> tags
    foreach($description->find('script') as $s) $s->remove();

    //wil remove all <style> tags
    foreach($description->find('style') as $s) $s->remove();
     echo $description->innertext ;

}

带有简单 html dom 解析器的垃圾 Javascript 和 Css 代码

Junk Javascript and Css code with simple html dom parser

html

php

parsing

simple-html-dom

web-scraping