PHP & Xpath: 获取所有一级 HTML 标签（所有兄弟）

Question

我的函数需要从一部分 HTML 代码中获取所有第一级 HTML 标签，这样我就可以使用每个标签了。

这是我的 HTML 文档总结如下：

<p>The breed was first...</p>
<p>Semencic credits his...</p>

<h1>Appearance</h1>
<p>The breed's distinctive...</p>
<p>It should be symmetrical...</p>

<figure id="attachment_6" style="width: 840px" class="wp-caption alignnone">
    <img class="size-large wp-image-6" src="...jpg" alt="boerboel appearance" width="840" height="746">
    <figcaption class="wp-caption-text">The dog appearance.</figcaption>
</figure>

<h1>Requirements</h1>
<p>Prospective owners....</p>
<p>These dogs....</p>

<h2>A Little Warning!</h2>
<p>If you are considering...</p>
<blockquote>
    <p>According to...</p>
    <p>Source: http://...</p>
</blockquote>
<p>Although more suitable...</p>

现在，我希望输出为：

p
p
h1
p
p
figure
h1
p
p
h2
p
blockquote
p

但现在是：

h1
p
h1
p
h2
p
blockquote
p

有几处错误： - 'figure' 没有显示 - 即使有多个兄弟姐妹，段落标签也会被挑出来 - 未找到第一个 p

$doc = new DOMDocument();
$doc->loadHTML( $this->post_content, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD );

$xpath = new DOMXpath( $doc );
$nodes = $xpath->query( "/*/*" );

foreach ( $nodes as $node ) {

    echo $node->nodeName;
    echo '<br>';

    $this->add_part(
        md5( $node->textContent ),
        $node->nodeName
    );
}

Answer 1

记录：根据您的精确 HTML 样本，我得到了这个结果：

p / h1 / p / p / figure / h1 / p / p / h2 / p / blockquote / p

而不是这个（根据你的问题）：

    h1 / p /              h1 / p /     h2 / p / blockquote / p

3v4l.org demo

所以，我不知道这个答案是否会在实际代码中解决您的问题。

HTML 有一些规则。您尝试处理没有根元素的代码。用 <body>:

之类的东西包装你的代码

$doc->loadHTML( "<body>$txt</body>", LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD );

这样我得到了你想要的结果：

p
p
h1
p
p
figure
h1
p
p
h2
p
blockquote
p

3v4l.org demo

Answer 2

DOM (libxml) 将重新格式化输入，使其具有单个文档元素。如果删除解析器选项 (LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD)，它将修复 html 并添加 html 和 body 元素。所以如果你想要 body 内的元素节点，你可以使用表达式 //body/*

$document = new DOMDocument();
$document->loadHtml($html);
$xpath = new DOMXpath($document);

foreach ($xpath->evaluate('//body/*') as $node) {
  var_dump($node->nodeName);
}

输出：

string(1) "p"
string(1) "p"
string(2) "h1"
string(1) "p"
string(1) "p"
string(6) "figure"
string(2) "h1"
string(1) "p"
string(1) "p"
string(2) "h2"
string(1) "p"
string(10) "blockquote"
string(1) "p"

PHP & Xpath: 获取所有一级 HTML 标签（所有兄弟）

PHP & Xpath: Get All The First Level HTML Tags (All Siblings)

php

xml

xpath

dom

domdocument