Php simplexml\u导入\u dom在最后一个节点后丢失文本

我有来自WYSIWYG编辑器的HTML，所以我无法控制它附带的HTML。我需要解析以创建PDF

我创建一个DomDocument并加载HTML并将其传递给simpleXML，因为它更易于处理。 但我时不时地会释放文本，因为它设置在最后一个HTML元素之后

// text to import
$text = "Text beginnning<strong>Lorem ipsum dolor sit amet, consetetur</strong>
        Lorem ipsum dolor sit amet, consetetur.<br \/><br \/><strong>Lorem ipsum 
        dolor sit amet, consetetur</strong><ul><li>Lorem ipsum dolor sit amet, consetetur
        <\/li><li>Lorem ipsum dolor sit amet, consetetur<\/li><li>Lorem ipsum 
        dolor sit amet, consetetur<\/li><li>Lorem ipsum dolor sit amet, consetetur
        <\/li><\/ul>Text after last node";

// Load text in dom and pass it to simplexml
$dom = new DOMDocument();
$dom->loadHTML($text);
$dom->recover = true;
if ($dom) {
    $sxml = simplexml_import_dom($dom);
    unset($dom);
    if ($sxml) {
        $this->parseHtmlContent($sxml->children());
    }
}

//要导入的文本
$text=“text beginningLorem ipsum door sit amet，consetetur
同侧盲盲蝽（Lorem ipsum dolor sit amet，consetetur.同侧盲蝽
多尔塞特，康塞特
Lorem ipsum多尔塞特，康塞特
同侧眼珠，同侧眼珠
同侧眼珠
多尔坐着，多尔坐着，多尔坐着，多尔坐着，多尔坐着，多尔坐着，多尔坐着，多尔坐着，多尔坐着，多尔坐着，多尔坐着，多尔坐着，多尔坐着，多尔坐着，多尔坐着
最后一个节点后的文本”；
//在dom中加载文本并将其传递给simplexml
$dom=新的DOMDocument（）；
$dom->loadHTML（$text）；
$dom->recover=true；
如果（$dom）{
$sxml=simplexml\u import\u dom（$dom）；
unset（$dom）；
如果（$sxml）{
$this->parseHtmlContent（$sxml->children（））；
}
}

所以“最后一个节点后的文本”在途中丢失了，我不知道该怎么办

---

如何防止这种情况发生？

最后一个节点后的文本与该节点处于同一级别。结构如下：

    object(SimpleXMLElement)#2 (1) {
      ["body"]=>
      object(SimpleXMLElement)#3 (2) {
        ["p"]=>
        string(63) "Text beginnning
            Lorem ipsum dolor sit amet, consetetur."
        ["ul"]=>
        object(SimpleXMLElement)#4 (1) {
          ["li"]=>
          array(4) {
            [0]=>
            string(47) "Lorem ipsum dolor sit amet, consetetur
            "
            [1]=>
            string(38) "Lorem ipsum dolor sit amet, consetetur"
            [2]=>
            string(46) "Lorem ipsum
            dolor sit amet, consetetur"
            [3]=>
            string(47) "Lorem ipsum dolor sit amet, consetetur
            "
          }
        }
      }
    }

因此body节点包含其他节点和一个字符串。要获取body节点下的字符串，您必须调用

\uuuuToString

方法：

$text = "Text beginnning<strong>Lorem ipsum dolor sit amet, consetetur</strong>
        Lorem ipsum dolor sit amet, consetetur.<br \/><br \/><strong>Lorem ipsum
        dolor sit amet, consetetur</strong><ul><li>Lorem ipsum dolor sit amet, consetetur
        <\/li><li>Lorem ipsum dolor sit amet, consetetur<\/li><li>Lorem ipsum
        dolor sit amet, consetetur<\/li><li>Lorem ipsum dolor sit amet, consetetur
        <\/li><\/ul>Text after last node";

$text = stripcslashes($text);

// Load text in dom and pass it to simplexml
$dom = new DOMDocument();
$dom->loadHTML($text);
$dom->recover = true;

if ($dom) {
    $sxml = simplexml_import_dom($dom);
    unset($dom);
    if ($sxml) {
        var_dump((string) $sxml->body);
    }
}

$text=“text beginningLorem ipsum door sit amet，consetetur
同侧盲盲蝽（Lorem ipsum dolor sit amet，consetetur.同侧盲蝽
多尔塞特，康塞特
Lorem ipsum多尔塞特，康塞特
同侧眼珠，同侧眼珠
同侧眼珠
多尔坐着，多尔坐着，多尔坐着，多尔坐着，多尔坐着，多尔坐着，多尔坐着，多尔坐着，多尔坐着，多尔坐着，多尔坐着，多尔坐着，多尔坐着，多尔坐着，多尔坐着
最后一个节点后的文本”；
$text=stripcslashes（$text）；
//在dom中加载文本并将其传递给simplexml
$dom=新的DOMDocument（）；
$dom->loadHTML（$text）；
$dom->recover=true；
如果（$dom）{
$sxml=simplexml\u import\u dom（$dom）；
unset（$dom）；
如果（$sxml）{
变量转储（（字符串）$sxml->body）；
}
}

有关更多信息，请参阅：

---

SimpleXML没有文本节点的任何表示，实际上除了元素和属性之外，没有其他任何表示。您可以使用字符串CAST（<代码>（string）$SimeXMLIObjultObj/<代码>）获得元素（或属性）的完整字符串内容，但这很少是HTML上下文中真正想要的——请考虑这个简单的HTML：

<代码>

在其

中有一些强调部分的文本 <> < SimpleXML >给出的>P><代码>元素的“文本内容”将是“代码>”在其中间的一些文本“< /代码> -<代码>”一个强调部分“<代码>代替了<代码> <代码>元素>

SimpleXML的文本处理只有在元素具有子节点或文本内容时才有意义，而不是两者的混合。对于作为数据序列化的XML来说，这是有意义的——具有包含文本值的元素的分层文档确实很容易以这种方式处理——但对于文本标记语言来说，它可以说是“被设计破坏了”

---

如果可以保证文档的某些部分将包含特定的HTML结构（例如示例中的

/

序列），则可以使用SimpleXML仅解析该部分。可以使用DOM恢复该

两侧的内容，并将其添加回输出中。

请确保将整个内容包装在单个包含元素中：

$dom->loadHTML('<div>' . $text . '</div>');

$dom->loadHTML（'.$text''）；

为什么不能按原样使用DOMDocument？SimpleXML不用于处理HTML。您可以使用

$dom->textContent

仅从中提取文本HTML@silkfire因为其他人在

this->parseHTMLContent

中构建了整个解析，我必须重写完整的代码。我只是想我可能缺少一个选项，无法将文本作为子节点获取。@spankmaster79如何解析HTML？也许我可以为您想出一个方法。

$sxml->asXML（）

确实有正确的文本，但是文本并不像

$sxml->children（）

那样被算作childnode。我来把斜线去掉。