使用php文档从网页中提取文本

我有以下脚本，除了两件事外，几乎可以正常工作：

• 我仍然有一些未知的标签，如
  ，
  或

• 我也有javascript脚本，我试图用

  //text（）[not（self:：script）]

  排除它们，但这破坏了xpath

脚本：

$contents = file_get_contents("http://www.w3schools.com/php/php_xml_dom.asp");
$dom = new DOMDocument();
@$dom->loadHTML($contents);
$dom->preserveWhiteSpace = false;
$xpath = new DOMXPath($dom);
// see http://www.w3schools.com/xpath/xpath_syntax.asp
$hrefs = $xpath->evaluate("//text()");
for ($i = 0; $i < $hrefs->length; $i++)
  echo $hrefs->item($i)->nodeValue;

$contents=file\u get\u contents（“http://www.w3schools.com/php/php_xml_dom.asp");
$dom=新的DOMDocument（）；
@$dom->loadHTML（$contents）；
$dom->preserveWhiteSpace=false；
$xpath=newdomxpath（$dom）；
//看http://www.w3schools.com/xpath/xpath_syntax.asp
$hrefs=$xpath->evaluate（“//text（）”）；
对于（$i=0；$i<$hrefs->length；$i++）
echo$hrefs->item$i->nodeValue；

您有更好的解决方案从网页中提取文本吗

注意：我可以简单地使用DOMDocument，但我想坚持使用DOMDocument。

我一直都在使用它，每次都很成功