Php 将HTML导入DOMDocument或SimpleXML时删除内联元素？

我有一个外部HTML源代码，我想将其刮取并转换为本地XML文件或添加到MySQL数据库

外部源代码大部分是规范化的，并且（在某种程度上）是语义的，因此我所需要做的就是使用

XPATH

来获取所有

td

内容或所有

li

内容等。问题是，偶尔这些项使用

或

标记来设置我需要的元素的样式

这在技术上是语义上的，因为重点是增加对特定文本的强调，开发人员可能希望使用不是浏览器默认的CSS

问题是我试图获取的实际内容被认为是这个内联元素的子元素，因此像

simplexml

或

DOMDocument

和

DOMNode

这样的PHP扩展将它们视为子元素。例如：

<table>
<tr><td>Thing 1</td><td>Thing 2</td></tr>
<tr><td>Thing 3</td><td>Thing 4</td></tr>
<tr><td><strong>Thing 5</strong></td><td><strong>Thing 6</strong></td></tr>
</table>

显然，上面的内容并不是simplexml返回的内容，但上面反映了一般问题

那么，有没有一种方法，可以使用DOMDocument中已经内置的参数，或者使用一个非常复杂的XPath查询来获取

td

元素的内容，其中的任何子元素（如果有的话）都被剥夺了其子代状态，并且所有内容都被视为查询元素的文本

目前，我唯一的解决方案是：

a） 有一个检查每个结果的

foreach

循环，如：

$result_text = ($result -> strong) ? $result - strong : $result;

---

b） 在将HTML字符串导入任何预构建类（如simplexml或DOMDocument）之前，请使用正则表达式从HTML字符串中去除任何

标记。

在使用正则表达式解析HTML之前，请阅读的第一个答案，如果只是出于娱乐的目的。XPath就是答案，获取td的文本，而不是继续解析它。因此，您只需搜索类似于

//td

的内容，并完整地获取结果（而不是继续构建树，这样您就有了表示strong或其他内容的叶子。

难道您不能使用它来删除额外的标记吗

$table = simplexml_load_string(
    '<table>
        <tr><td>Thing 1</td><td>Thing 2</td></tr>
        <tr><td>Thing 3</td><td>Thing 4</td></tr>
        <tr><td><strong>Thing 5</strong></td><td><strong>Thing 6</strong></td></tr>
    </table>'
);

foreach ($table->xpath('//td') as $td)
{
    $content = strip_tags($td->asXML());
    echo $content, "\n";
}

$table=simplexml\u load\u字符串(
'
事情1事情2
事情3事情4
事情5事情6
'
);
foreach（$table->xpath（'//td'）作为$td）
{
$content=strip_标记（$td->asXML（））；
echo$content，“\n”；
}

如果您使用的是DOMDocument，一旦您选择了一个DOMNode，属性

textContent

应该只包含它的文本部分以及它的所有子项……这正是您所要求的

$table = '<table>
        <tr><td>Thing 1</td><td>Thing 2</td></tr>
        <tr><td>Thing 3</td><td>Thing 4</td></tr>
        <tr><td><strong>Thing 5</strong></td><td><strong>Thing 6</strong></td></tr>
    </table>';

$dom = new DOMDocument;
$dom->loadHTML($table);
$xpath = new DOMXPath($dom);

$els = $xpath->query('//td');
echo $els->item(4)->textContent; //Thing 5

$table='1！'
事情1事情2
事情3事情4
事情5事情6
';
$dom=新的DOMDocument；
$dom->loadHTML（$table）；
$xpath=newdomxpath（$dom）；
$els=$xpath->query（'//td'）；
echo$els->item（4）->textContent；//事物5

---

或者，根据节点的类型，您也可以检查

nodeValue

。我记不起确切的区别，但这正是您想要的。

我不确定这是否是最佳解决方案，但我接受它的依据不是

strip\u标签的建议（这很聪明），而是asXML（）建议，在处理将内容移动到数组之前，我没有想到要使用它。非常好。
$table = '<table>
        <tr><td>Thing 1</td><td>Thing 2</td></tr>
        <tr><td>Thing 3</td><td>Thing 4</td></tr>
        <tr><td><strong>Thing 5</strong></td><td><strong>Thing 6</strong></td></tr>
    </table>';

$dom = new DOMDocument;
$dom->loadHTML($table);
$xpath = new DOMXPath($dom);

$els = $xpath->query('//td');
echo $els->item(4)->textContent; //Thing 5