如何通过 simplehtmldom 解析位于标签外部（标签之间）的文本片段？答案

【问题标题】：How to parse text fragments located outside tags (inbetween tags) by simplehtmldom?如何通过 simplehtmldom 解析位于标签外部（标签之间）的文本片段？
【发布时间】：2010-04-14 15:15:17
【问题描述】：

我正在使用 simplehtmldom 解析 html，但我被困在解析位于任何标签之外（但在两个不同标签之间）的纯文本：

<div class="text_small">
 <b>Аdress:</b> 7 Hange Road<br>    
 <b>Phone:</b> 415641587484<br>    
 <b>Contact:</b> Alex<br>    
 <b>Meeting Time:</b> 12:00-13:00<br>
</div>

是否可以获得地址、电话、联系人、会议时间的这些值？我想知道是否有机会将 CSS 选择器传递给 nextSibling/previousSibling 函数...

foreach($html->find('div.text_small') as $div_descr) 
 {
   foreach($div_descr->find('b') as $b) 
 {
 if ($b->innertext=="Аdress:") {//someaction
                }
 if ($b->innertext=="Phone:") { //someaction
                }
        if ($b->innertext=="Contact:") { //someaction
                }
        if ($b->innertext=="Meeting Time:") { //someaction
                }
    }
 }

我应该用什么来代替“someaction”？

更新。是的，我无权编辑目标页面。否则，值得吗？ :)

【问题讨论】：

标签： php parsing

【解决方案1】：

可能有一个更简单的解决方案。（也许使用 simple_html_dom 以外的其他东西）

我还没有找到合适的选择器，nextSibling() 只返回下一个兄弟元素。（这有点奇怪。simple_html_dom_node 存储了两个数组，$children 和 $nodes。文本节点在 $nodes 中，但不在 $children 中。并且 next_sibling() 对 $children 进行操作）。
但是由于 $nodes 是 simple_html_dom_node 的公共属性，因此您需要自己编写一些迭代器。

<?php
require_once 'simplehtmldom/simple_html_dom.php';
$html = str_get_html('<html><head><title>...</title></head><body>
  <div class="text_small">
    <b>Adress:</b> 9 Hange Road<br>    
    <b>Phone:</b> 999641587484<br>    
    <b>Contact:</b> Alex<br>    
    <b>Meeting Time:</b> 12:00-13:00<br>
  </div>
  <div class="text_small">
    <b>Adress:</b> 8 Hange Road<br>    
    <b>Phone:</b> 888641587484<br>    
    <b>Contact:</b> Bob<br>    
    <b>Meeting Time:</b> 13:00-14:00<br>
  </div>
</body></html>');

foreach($html->find('div.text_small') as $div) {
  $result = parseEntry($div);
  foreach($result as $r) {
    echo "'$r[name]' - '$r[text]'\n";
  }
  echo "========\n"; 
}

function parseEntry(simple_html_dom_node $div) {
  $result = array();
  $current = null;
  for($i=0; $i<count($div->nodes); $i++) {
    if ( HDOM_TYPE_ELEMENT===$div->nodes[$i]->nodetype) {
      if ( !is_null($current) ) {
        $result[] = $current;
        $current = null;
      }
      if ('b'===$div->nodes[$i]->tag) {
        $current = array('name'=>$div->nodes[$i]->text(), 'text'=>'');
      }
    }
    else if (HDOM_TYPE_TEXT===$div->nodes[$i]->nodetype && !is_null($current)) {
      $current['text'] .= $div->nodes[$i]->text();
    }
  }
  if ( !is_null($current) ) {
    $result[] = $current;
  }
  return $result;
}

打印

'Adress:' - ' 9 Hange Road'
'Phone:' - ' 999641587484'
'Contact:' - ' Alex'
'Meeting Time:' - ' 12:00-13:00'
========
'Adress:' - ' 8 Hange Road'
'Phone:' - ' 888641587484'
'Contact:' - ' Bob'
'Meeting Time:' - ' 13:00-14:00'
========

在其他人找到更简单的解决方案之前，您可能希望以此为起点。

【讨论】：

谢谢！有用！但是，如果我有几个“div.text_small”容器要解析，我总是会从最后一个容器中获取值！ :(
谢谢！您能否告知我如何将所有这些（所有这些结果）收集到一个特定的数组或 json 数据中，例如：{“1”：“{“地址”：“汉格路 9 号”，“电话”：“999641587484” ,"联系方式":"Alex","开会时间":"12:00-13:00"}","2":"{"地址":"汉格路8号","电话":"888641587484", "联系方式":"Bob","会议时间":"13:00-14:00"}....等等.."} ?

【解决方案2】：

如果您可以将跨度标签放在标签内的值上。也许你可以处理它然后

由于<span> 对这些值不做任何事情，直到你给它一些风格

【讨论】：

很遗憾，我不能这样做，因为我没有编辑目标页面的权限:(