选择 nodeValue 但排除子元素答案

【问题标题】：Select nodeValue but exclude child elements选择 nodeValue 但排除子元素
【发布时间】：2012-02-29 19:35:43
【问题描述】：

假设我有这个代码：

<p dataname="description">
Hello this is a description. <a href="#">Click here for more.</a>
</p>

如何选择p的nodeValue但排除a及其内容？

我当前的代码：

$result = $xpath->query("//p[@dataname='description'][not(self::a)]");

我选择$result->item(0)->nodeValue;

【问题讨论】：

【解决方案1】：

只需将 /text() 附加到您的查询即可解决问题

$result = $xpath->query("//p[@dataname='description'][not(self::a)]/text()");

【讨论】：

你能解释一下为什么会这样吗？
没有 /text() 你选择整个节点，包括它的孩子。元素节点本身没有文本，而是将文本存储在称为文本节点的子节点中。 nodeValue 用于获取节点的文本值。在具有子节点的节点上调用 nodeValue 会获取所有子文本节点并将它们连接起来。使用 /text() 您只能获取文本类型的第一个子节点，因此只能获取此文本节点的文本

【解决方案2】：

不确定 PHP 的 XPath 是否支持这一点，但这个 XPath 在 Scrapy（基于 Python 的抓取框架）中为我解决了问题：

$xpath->query('//p[@dataname='description']/text()[following-sibling::a]')

如果这不起作用，请尝试 Kristoffers 解决方案，或者您也可以使用正则表达式解决方案。例如：

$output = preg_replace("~<.*?>.*?<.*?>~msi", '', $result->item(0)->nodeValue);

这将删除其中包含任何内容的任何 HTML 标记，不包括未被 HTML 标记封装的文本。

【讨论】：