使用 PHP 简单 HTML DOM 解析器从 html 中提取 dom 元素

Question

我正在尝试从 this site using PHP Simple HTML DOM PARSER.

中提取包括文本在内的文章链接

我想提取主页中文章的所有 h2 标签，我正在尝试这样做：

    $html = file_get_html('http://www.winbeta.org');
    $articles = $html->getElementsByTagName('article');
    $a = null;

    foreach ($articles->find('h2') as $header) {
                $a[] = $header;
    }

    print_r($a);

根据手册，它应该首先获取 article 标签内的所有内容，然后为每篇文章提取 h2 并保存在数组中。但它给了我：

编辑

Answer 1

有几个问题：

getElementsByTagName 显然 return 是一个节点，而不是一个数组，所以如果页面上有多个 article 标签，它就不起作用.而是使用 find 做 return 一个数组；
但是一旦你做出那个切换，你就不能在 find 的结果上使用 find，所以你应该对每个匹配的 article标记，或者更好地使用组合选择器作为 find;
主要问题： 您必须使用 ->plaintext 显式检索节点的文本内容，否则您将获得节点的对象表示及其所有属性和内部结构；
一些文本包含 HTML 个实体，例如 ’。这些可以用 html_entity_decode.

所以这段代码应该可以工作：

$a = array();
foreach ($html->find('article h2') as $h2) { // any h2 within article
    $a[] = html_entity_decode($h2->plaintext);
}

使用array_map，你也可以这样做：

$a = array_map(function ($h2) { return html_entity_decode($h2->plaintext); }, 
               $html->find('article h2'));

如果您还需要检索文章中的其他标签，将它们的文本存储在不同的数组中，那么您可以这样做：

$a = array();
$b = array();
foreach ($html->find('article') as $article) {
    foreach ($article->find('h2') as $h2) {
        $a[] = html_entity_decode($h2->plaintext);
    }
    foreach ($article->find('h3') as $h3) {
        $b[] = html_entity_decode($h3->plaintext);
    }
}

使用 PHP 简单 HTML DOM 解析器从 html 中提取 dom 元素

Extracting dom elements from html using PHP Simple HTML DOM Parser

html

php

dom

simple-html-dom