使用 Symfony DOM 爬虫从 HTML 标签中提取文本值的最 efficient/nicest 方法是什么？

Question

给定以下 HTML 代码片段：

<div class="item">
  large
  <span class="some-class">size</span>
</div>

我正在寻找使用 Symfony 的 Crawler 提取字符串 "large" 的最佳方法。

$crawler = new Crawler($html);

在这里我可以使用 $crawler->html() 然后应用正则表达式搜索。有更好的解决方案吗？或者你会怎么做？

Answer 1

$crawler = new Crawler($html);
$node = $crawler->filterXPath('//div[@class="item"]');
$domElement = $node->getNode(0);
foreach ($node->children() as $child) {
    $domElement->removeChild($child);
}
dump($node->text()); die();

之后你必须trim空格。

Answer 2

我刚刚找到了一个对我来说最干净的解决方案：

$crawler = new Crawler($html);
$result = $crawler->filterXPath('//text()')->text();

Answer 3

这有点棘手，因为您要获取的文本是 DOMCrawler 组件（据我所知）不允许您提取的文本节点。值得庆幸的是 DOMCrawler 只是 PHP 的 DOM 类之上的一层，这意味着您可能会执行以下操作：

$crawler = new Crawler($html);
$crawler = $crawler->filterXPath('//div[@class="item"]');
$domNode = $crawler->getNode(0);
$text = null;

foreach ($domNode->children as $domChild) {
    if ($domChild instanceof \DOMText) {
        $text = $domChild->wholeText;
        break;
    }
}

这对 HTML 没有帮助，例如：

<div>
    text
    <span>hello</span>
    other text
</div>

所以在这种情况下你只会得到 "text"，而不是 "text other text"。查看 DOMText 文档了解更多详情。

使用 Symfony DOM 爬虫从 HTML 标签中提取文本值的最 efficient/nicest 方法是什么？

Whats the most efficient/nicest way to extract a text value from a HTML tag using Symfony DOM Crawler?

html

regex

xml

symfony

domcrawler