Fatal编程技术网
  • php/
  • PHP DOM-删除除…之外的所有元素。。。？

PHP DOM-删除除…之外的所有元素。。。？

php html xml dom

PHP DOM-删除除…之外的所有元素。。。？,php,html,xml,dom,wikipedia,Php,Html,Xml,Dom,Wikipedia,我正在尝试使用PHP编辑DOM文档树。然而，我被卡住了。加载HTML后，我想删除除我指定的部分元素之外的所有元素。（例如，和）我该怎么做？有可能吗 以下是我目前的代码： <?php $url = 'http://en.wikipedia.org/w/index.php?title=Elephant&action=render'; $curl = curl_init(); curl_setopt($curl, CURLOPT_URL, $url); curl_setopt($curl

我正在尝试使用PHP编辑DOM文档树。然而，我被卡住了。加载HTML后，我想删除除我指定的部分元素之外的所有元素。（例如，
和
）我该怎么做？有可能吗

以下是我目前的代码：

<?php
$url = 'http://en.wikipedia.org/w/index.php?title=Elephant&action=render';
$curl = curl_init();
curl_setopt($curl, CURLOPT_URL, $url);
curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($curl, CURLOPT_USERAGENT, 'Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.13) Gecko/20080311 Firefox/2.0.0.13');

$html = '<html>' . curl_exec($curl) . '</html>';
echo $html;

$document = new DOMDocument;
$document->loadHTML($html);

$allowed_elements = array(
    'a',
    'b',
    'i',
    'p',
);

$parent = $document->getElementsByTagName('html')->item(0);

foreach ($parent->getElementsByTagName('*') as $element)
{
    $node = strtolower((string)$element->nodeName);
    if (!in_array($node, $allowed_elements))
    {
        $element->parentNode->removeChild($element);
    }
}

echo $document->saveHTML();

curl_close($curl);
?>
我的修补向我展示了可以循环通过DOM树，所以我假设我可以循环通过它。但是，我的代码仍然不起作用！我试图最终获得维基百科的纯文本文章——如果有人知道一个我不必自己编写的替代工具，那将是一个可以接受的答案

谢谢！！：）

试试这个：

<?php
$url = 'http://en.wikipedia.org/w/index.php?title=Elephant&action=render';
$curl = curl_init();
curl_setopt($curl, CURLOPT_URL, $url);
curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($curl, CURLOPT_USERAGENT, 'Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.13) Gecko/20080311 Firefox/2.0.0.13');

$html = '<html>' . curl_exec($curl) . '</html>';
curl_close($curl);

$document = new DOMDocument('1.0');
$document->loadHTML($html);

$allowed_elements = array('a','b','i','p');
$elems = array();

$parent = $document->getElementsByTagName('html')->item(0);

foreach ($parent->getElementsByTagName('*') as $element)
{
    $node = (string)$element->nodeName;
    if(strtolower($node) == 'body'){
        continue;
    }

    $elems[] = $node;
}

$elems = array_values( array_unique( $elems ) );
$elems = array_diff( $elems, $allowed_elements );
$elems = array_values( array_unique( $elems ) );
sort($elems);

foreach( $elems as $elem ) {
    $parent1 = $parent->getElementsByTagName($elem);
    $length = $parent->getElementsByTagName($elem)->length;

    for($i=0;$i<$length;$i++) {
        $el = $parent1->item(0); // 0 is the index because after each `removeChild`, the next element shifts 1 position back.
        if( $el ) {
            $el->parentNode->removeChild($el);
        }
    }
}

echo $document->saveHTML();
?>
$elementsToKeep-包含不被删除项目列表的数组

希望这有帮助。

试试这个：

<?php
$url = 'http://en.wikipedia.org/w/index.php?title=Elephant&action=render';
$curl = curl_init();
curl_setopt($curl, CURLOPT_URL, $url);
curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($curl, CURLOPT_USERAGENT, 'Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.13) Gecko/20080311 Firefox/2.0.0.13');

$html = '<html>' . curl_exec($curl) . '</html>';
curl_close($curl);

$document = new DOMDocument('1.0');
$document->loadHTML($html);

$allowed_elements = array('a','b','i','p');
$elems = array();

$parent = $document->getElementsByTagName('html')->item(0);

foreach ($parent->getElementsByTagName('*') as $element)
{
    $node = (string)$element->nodeName;
    if(strtolower($node) == 'body'){
        continue;
    }

    $elems[] = $node;
}

$elems = array_values( array_unique( $elems ) );
$elems = array_diff( $elems, $allowed_elements );
$elems = array_values( array_unique( $elems ) );
sort($elems);

foreach( $elems as $elem ) {
    $parent1 = $parent->getElementsByTagName($elem);
    $length = $parent->getElementsByTagName($elem)->length;

    for($i=0;$i<$length;$i++) {
        $el = $parent1->item(0); // 0 is the index because after each `removeChild`, the next element shifts 1 position back.
        if( $el ) {
            $el->parentNode->removeChild($el);
        }
    }
}

echo $document->saveHTML();
?>
$elementsToKeep-包含不被删除项目列表的数组

希望这有帮助。

它似乎不起作用。我已经更新了示例代码，我必须向您展示我所处的位置。另外，请注意，我不希望它搜索
标记--我处理的是HTML片段，而不是完整的文档。我根据您的回答更改了代码。看一看，让我知道。谢谢，很有魅力。非常感谢你的帮助！但是，仔细看，我真的很困惑。你能解释一下它是如何工作的吗？很高兴它能帮助你。我在这里做了一个描述-。如果遇到任何问题，请告诉我：）。它似乎不起作用。我已经更新了示例代码，我必须向您展示我所处的位置。另外，请注意，我不希望它搜索
标记--我处理的是HTML片段，而不是完整的文档。我根据您的回答更改了代码。看一看，让我知道。谢谢，很有魅力。非常感谢你的帮助！但是，仔细看，我真的很困惑。你能解释一下它是如何工作的吗？很高兴它能帮助你。我在这里做了一个描述-。如果遇到任何问题，请告诉我：）。