php Xpath使用innerHTML标记获取innerHTML

Question

我有一个HTML文件，格式如下：

<p class="p1">subject</p>
<p class="p2">detail <span>important</span></p>

<p class="p1">subject</p>
<p class="p2">detail<span>important</span></p>

我编写了一段PHP代码来自动获取每个p1，并将它们插入到我的mysql表中。

这是我的代码：

$doc = new DOMDocument();

$doc->loadHTMLFile("file.html");

$xpath = new DomXpath($doc);

$subject = $xpath->query('//p');


for ($i = 0 ; $i < $subject->length-1 ; $i ++) {

if ($subject->item($i)->getAttribute("class") == "p1")
    echo $subject->item($i)->nodeValue;
}
...

这不是我的完整代码，但问题是：

echo $subject->item($i)->nodeValue;

这给了我不带<span></span>标记的<p>detail important</p>。

将跨度标记放在细节的“重要”部分是非常重要的。有没有什么函数可以做到这一点而不会头疼呢？

提前感谢

Answer 1

我找到了问题的答案:)感谢SimpleHTMLDOM

foreach($html->find('p') as $element) {

 switch ($element->class) {
      case 'p1':
                     $subject = $element;
                     break;
      case 'p2': $detail .= html_entity_decode($element);

 }

}

诀窍在于：

html_entity_decode($element);

Answer 2

每当我需要解析HTML时，我都会通过SimpleHTMLDOM运行它：

http://simplehtmldom.sourceforge.net/

我推荐使用1.11版。由于各种原因，1.5相当糟糕。

Answer 3

旧的查询，但有一个一行。操作员应该使用：

$subject = $xpath->query('//p/*');

然后：

echo $doc->saveHtml($subject->item($i));

使用*，你将得到内部的html (没有换行段落标签)；如果没有*，你将得到带有换行段落的html；

完整示例：

$html = '<div><p>ciao questa è una <b>prova</b>.</p></div>';
$dom = new DomDocument($html);
@$dom->loadHTML($html);
$xpath = new DOMXPath($dom);
$node = $xpath->query('.//div/*'); // with * you get inner html without surrounding div tag; without * you get inner html with surrounding div tag
$innerHtml = $dom->saveHtml($node);
var_dump($innerHtml);

输出：<p>ciao questa è una <b>prova</b>.</p>