如何使用PHPCrawler使用PHP删除某些标记和内容

我目前正在一个网站上使用PHPCrawler进行一些搜索功能。我需要从索引中删除一些页面元素

例如，我使用了：

$doc_body = preg_replace('/<li>(.*?)<\/li>/is', "", $doc_body);

$doc\u body=preg\u replace（'/
（.*？）/is'，''，$doc\u body）；

删除列表，因为我不希望列表出现在结果中。这正是它应该发挥的作用

现在，我还需要删除以下内容：

<div class="example">all contents within</div>

中的所有内容

为此，我尝试了：

   $doc_body = preg_replace('/<div(.*?)class="(.*?)example(.*?)"(.*?)>(.*?)<\/div>/is', "", $doc_body);

$doc\u body=preg\u replace（“/（.*？）/is'，”，$doc\u body）；

这会产生一个错误，因为可能不是每个页面都有div类示例。 因此，我用以下代码对其进行了修改：

      if(strpos($doc_body,'<div class="example">')){
      $doc_body = preg_replace('/<div(.*?)class="(.*?)example(.*?)"(.*?)>(.*?)<\/div>/is', "", $doc_body);
      }

if（strpos（$doc_body，'））{
$doc_body=preg_replace（“/（.*？）/is”“，”，$doc_body）；
}

不幸的是，这也不起作用！它不会产生错误，但不会从结果中删除所有内容

---

这是我第一次使用phpcrawler或Domdocument…虽然我不确定我这里的问题是否与它们有关？

我建议您看看它，它用于查询文档模型，与CSS非常相似，但语法有点不同。W3学校有一个关于XPath的轻量级教程

在解析整个文档时，正则表达式总是一个坏主意，因为它既占用大量资源又耗时

例如，要使用

XPath

查找类为“example”的每个div，只需查询文档本身

//div[@class="example"]

然后使用

DOMDocument

api删除节点，最后进行规范化，以获得最终结果

$doc = new DOMDocument();
$xpath = new DOMXPath($doc);
$doc->loadHTML($html);

// Remove all the lists
foreach ($xpath->query("//ul | //ol") as $node) {
     $node->parentNode->removeChild($node);
}

// Remove all <div class="example" /> nodes
foreach ($xpath->query("//div[@class='example']") as $node) {
     $node->parentNode->removeChild($node);
}

$doc->normalize();

// Get the final document for indexing
$html = $doc->saveHTML();

$doc=newDOMDocument（）；
$xpath=新的DOMXPath（$doc）；
$doc->loadHTML（$html）；
//删除所有列表
foreach（$xpath->query（//ul |//ol）作为$node）{
$node->parentNode->removeChild（$node）；
}
//删除所有节点
foreach（$xpath->query（//div[@class='example']）作为$node）{
$node->parentNode->removeChild（$node）；
}
$doc->normalize（）；
//获取用于索引的最终文档
$html=$doc->saveHTML（）；

我建议您看看和，它与CSS非常相似，用于查询文档模型，但语法有点不同。W3学校有一个关于XPath的轻量级教程

在解析整个文档时，正则表达式总是一个坏主意，因为它既占用大量资源又耗时

例如，要使用

XPath

查找类为“example”的每个div，只需查询文档本身

//div[@class="example"]

然后使用

DOMDocument

api删除节点，最后进行规范化，以获得最终结果

$doc = new DOMDocument();
$xpath = new DOMXPath($doc);
$doc->loadHTML($html);

// Remove all the lists
foreach ($xpath->query("//ul | //ol") as $node) {
     $node->parentNode->removeChild($node);
}

// Remove all <div class="example" /> nodes
foreach ($xpath->query("//div[@class='example']") as $node) {
     $node->parentNode->removeChild($node);
}

$doc->normalize();

// Get the final document for indexing
$html = $doc->saveHTML();

$doc=newDOMDocument（）；
$xpath=新的DOMXPath（$doc）；
$doc->loadHTML（$html）；
//删除所有列表
foreach（$xpath->query（//ul |//ol）作为$node）{
$node->parentNode->removeChild（$node）；
}
//删除所有节点
foreach（$xpath->query（//div[@class='example']）作为$node）{
$node->parentNode->removeChild（$node）；
}
$doc->normalize（）；
//获取用于索引的最终文档
$html=$doc->saveHTML（）；

回答得很好……谢谢你给我指出了正确的方向。以下是我的问题的具体解决方案，但我需要熟悉xpath：

foreach（$xpath->query（//div[@class='example']）as$node）{$node->parentNode->removeChild（$node）是的，很抱歉。我已经有一段时间没有实现DOMDocument了。我已经更新了我的答案。很好的答案…谢谢你给我指明了正确的方向。以下是解决我问题的具体方法，但我需要熟悉xpath：
foreach（$xpath->query（“//div[@class='example']）as$node）{$node->parentNode->removeChild（$node）；
是的，很抱歉。我已经有一段时间没有实现DOMDocument了。我已经更新了我的答案。