从简单 Html Dom - PHP 中排除不需要的 html

Question

我正在使用 HTML 简单 Dom 解析器和 PHP 从网站获取标题、描述和图像。我面临的问题是我得到了我不想要的 html 以及如何排除那些 html 标签。下面是解释。

这是正在解析的示例 html 结构。

<div id="product_description">
<p> Some text</p>
<ul>
<li>value 1</li>
<li>value 2</li>
<li>value 3</li>
</ul>

// the div I dont want
<div id="comments">
<h1> Some Text </h1>
</div>

</div>

我正在使用下面的 php 脚本来解析，

foreach($html->find('div#product_description') as $description)
{
    echo $description->outertext ;
    echo "<br>";
}

以上代码解析了 div 中的所有内容，id 为 "product_description"。我想排除 ID 为 "comments" 的 div。我试图将其转换为字符串，然后使用 substr 排除最后一个字符，但那是行不通的。不知道为什么。关于我该怎么做的任何想法？任何允许我从解析的 html 中排除 div 的方法都可以。谢谢

Answer 1

您可以通过设置 outertext = '':

来删除不需要的元素

$src =<<<src
<div id="product_description">
    <p> Some text</p>
    <ul>
        <li>value 1</li>
        <li>value 2</li>
        <li>value 3</li>
    </ul>

    <!-- the div I don't want -->                                                                                                                                        
    <div id="comments">
        <h1> Some Text </h1>
    </div>

</div>
src;

$html = str_get_html($src);

foreach($html->find('#product_description') as $description)
{
    $comments = $description->find('#comments', 0); 
    $comments->outertext = ''; 
    print $description->outertext ;
}

Answer 2

好的所以我发现自己只是使用 Advanced Html Dom 库，它与简单的 html dom 完全兼容 & 通过使用它，您将获得更多控制.从已解析的 html 中删除您想要的内容非常简单。例如

//to remove script tag
$scripts = $description->find('script')->remove;

//to remove css style tag
$style = $description->find('style')->remove;

// to remove a div with class name findify-element
$findify = $description->find('div.findify-element')->remove;

enter link description here

从简单 Html Dom - PHP 中排除不需要的 html

Exclude non wanted html from Simple Html Dom - PHP

php

parsing

web-scraping

html-parsing

simple-html-dom