DOM中的DOMDocument
我刚开始阅读有关DOM的文档和示例，以便抓取和解析文档。
例如，我有如下所示的文档的一部分：
<div id="showContent">
<table>
<tr>
<td>
Crap
</td>
</tr>
<tr>
<td width="172" valign="top"><a href="link"><img height="91" border="0" width="172" class="" src="img"></a></td>
<td width="10"> </td>
<td valign="top"><table cellspacing="0" cellpadding="0" border="0">
<tbody><tr>
<td height="30"><a class="px11" href="link">title</a><a><br>
<span class="px10"></span>
</a></td>
</tr>
<tr>
<td><img height="1" width="580" src="crap"></td>
</tr>
<tr>
<td align="right">
<a href="link"><img height="16" border="0" width="65" src="/buy"></a>
</td>
</tr>
<tr>
<td valign="top" class="px10">
<p style="width: 500px;">description.</p>
</td>
</tr>
</tbody></table></td>
</tr>
<tr>
<td>
Crap
</td>
</tr>
<tr>
<td>
Crap
</td>
</tr>
</table>
</div>
我试图使用下面的代码来获取所有的tr标签，并分析里面是否有废话或信息：
$dom = new DOMDocument();
@$dom->loadHTML($html);
$xpath = new DOMXPath($dom);
$tags = $xpath->query('.//div[@id="showContent"]');
foreach ($tags as $tag) {
$string="";
$string=trim($tag->nodeValue);
if(strlen($string)>3) {
echo $string;
echo '<br>';
}
}
不过，我得到的只是没有标签的剥离字符串，例如：
Crap
Crap
Title
Description
但我想得到：
<tr>
<td>Crap</td>
</tr>
<tr>
<a href="link">title</a>
</tr>
如何保留html节点（标签）？
如果你想使用DOM，你必须理解这个概念。 DOM文档中的所有内容（包括DOMDocument）都是一个节点。
DOMDocument是节点的分层树结构。 它从一个根节点开始。 该根节点可以有子节点，并且所有这些子节点都可以有自己的子节点。 基本上， DOMDocument中的所有内容都是某种类型的节点类型，无论是元素，属性还是文本内容。
HTML Legend:
/ UPPERCASE = DOMElement
HEAD BODY lowercase = DOMAttr
/ "Quoted" = DOMText
TITLE DIV - class - "header"
|
"The Title" H1
|
"Welcome to Nodeville"
上图显示了一些DOMDocument节点。 有两个孩子（HEAD和BODY）的根元素（HTML）。 连接线称为轴。 如果沿着轴向TITLE元素的方向，你会看到它有一个DOMText叶子。 这很重要，因为它说明了一个经常被忽视的事情：
<title>The Title</title>
不是一个，而是两个节点。 带有DOMText子元素的DOME元素。 同样，这一点
<div class="header">
实际上是三个节点：带有DOMAttr的DOMElement持有DOMText。 因为所有这些继承了DOMNode的属性和方法，所以熟悉DOMNode类是非常重要的。
实际上，这意味着您提取的DIV链接到文档中的所有其他节点。 任何时候你都可以一直到根部，或者一直到叶子。 它在那里。 您只需查询或遍历文档以获取所需的信息。
无论你是通过迭代DIV的childNodes还是使用getElementByTagName()或XPath来做到这一点，都取决于你。 您只需要了解您不是使用原始HTML，而是使用代表整个HTML文档的节点。
如果您需要从文档中提取特定信息的帮助，则需要澄清要从中提取的信息。 例如，您可以询问如何从表中获取所有链接，然后我们可以回答如下内容：
$div = $dom->getElementById('showContent');
foreach ($div->getElementsByTagName('a') as $link)
{
echo $dom->saveXML($link);
}
但除非你更具体，否则我们只能猜测哪些节点可能是相关的。
如果您需要更多示例和代码片段来了解如何使用DOM浏览我以前对相关问题的解答：
到目前为止，每个基本到中等的UseCase都应该有一个代码片段，你可能会使用DOM。
要创建一个解析器，你可以使用htmlDOM。
使用PHP编写DOM解析器非常简单。 通过使用它，您可以轻松获取div标签的内容。
例如，找到所有具有属性id和text值的div标签。
$ret = $html->find('div[id=text]');
上一篇: DOMDocument in php