提取html代码的部分

Question

假设我有以下HTML代码：

<p>Test text</p>
<p><img src="test.jpg" /></p>
<div id="test"><p>test</p></div>
<div class="block">
    <img src="test2.jpg">
</div>
<p>test</p>

参数：

• 将存在一个带有“块”类的div块。
• 在div块上面或下面可以有任意数量的HTML代码，类“块”。
• 甚至可以有两个带有类块的div块。

我使用PHP的XPath来查看这个使用DOM的HTML代码。我想归还两件东西：

1. 类“块”的div块
2. 所有其他没有div元素的代码，其中包含“块”类。

类似于：

块状代码：

<div class="block">
    <img src="test2.jpg">
</div>

原件，不带块代码：

<p>Test text</p>
<p><img src="test.jpg" /></p>
<div id="test"><p>test</p></div>
<p>test</p>

Answer 1

通过使用DOMDocument，您可以这样做：

$content = '<p>Test text</p>'.
        '<p><img src="test.jpg" /></p>'.
        '<div id="test"><p>test</p></div>'.
        '<div class="block">'.
        '<img src="test2.jpg">'.
        '</div>'.
        '<p>test</p>';

$blocks = array();
$doc = new DOMDocument();
$doc->loadHTML($content);

$elements = $doc->getElementsByTagName("*");
foreach ($elements as $element) {
    if($element->hasAttributes()) {
        if ($element->getAttribute('class') == 'block') {
            //add block HTML to block array
            $blocks[]=$doc->saveHTML($element);
            //remove blocck element
            $element->parentNode->removeChild($element);
        }
    }
}

echo '<pre>';
echo $blocks[0]; //iterate or print_r if multiple blocks
echo $doc->saveHTML();
echo '</pre>';

输出“块代码”：

<div class="block"><img src="test2.jpg"></div>

和“原始无块代码”：

<p>Test text</p><p><img src="test.jpg"></p><div id="test"><p>test</p></div><p>test</p>

如果您根本不能接受DOMDocument用doctype、HTML和body“丰富”html，这在您想要完整的文档时会非常烦人，而不仅仅是一些摘录，您可以使用以下方法来use this neat function和提取innerHTML：

echo DOMinnerHTML($doc->getElementsByTagName('body')->item(0));