提取包含其他dom元素但不包含在任何標記內的明文

Question

我想提取一些未包含在使用PHP的任何標記中的純文本。最好的解釋方式是展示;

<div> 
    <span>Hello</span> 
     THIS IS THE TEXT I WANT TO EXTRACT 
    <span>this is some other text</span> 
    <div><span>pow</span></div> 
</div> 

我正要嘗試的是循環並刪除div內的所有dom元素，並且應該保留文本。但我希望有一個更優雅的方法:)

感謝

安迪

Answer 1

如果我正確地讀你的問題，你想獲得該元素的文本，但不包括孩子的文本元素。

使用JavaScript，對於這裏的解決方案：

http://www.stevefenton.co.uk/Content/Blog/Date/201007/Blog/Jquery-Get-Text-While-Excluding-Children/

而在總結，你可以這樣做......

$("#mydiv").clone().children().remove().end().text(); 

在PHP（使用phpquery）這個就是...

$phpqueryObj = phpQuery::newDocument(DOMinnerHTML($INNERHTMLOFYOURDOMELEMENT)); 
$text = $phpqueryObj->clone()->children()->remove()->end()->text(); 

沒有jQuery/JavaScript你會有手動執行類似的過程，即從元素的克隆版本中移除子元素，然後獲得內部文本。

Answer 2

最簡單的方法可能是使用給定上下文節點的XPath。

$dom = new DOMDocument; 
$dom->loadHTML($html); 
$xpath = new DOMXPath($dom); 
//find all div nodes 
foreach ($xpath->query('//div') as $div) { 
    //get any immediate child text nodes 
    foreach ($xpath->query('text()', $div) as $text) { 
     echo "$text->nodeValue\n"; 
    } 
} 

請注意，第一個查詢將返回所有 div的，所以你要讓它爲你想要的div更加具體。

我在你的例子上面測試了上面的代碼，它工作。