从 Simple Html Dom 中排除不需要的 html - PHP答案

【问题标题】：Exclude non wanted html from Simple Html Dom - PHP从 Simple Html Dom 中排除不需要的 html - PHP
【发布时间】：2020-07-15 18:38:17
【问题描述】：

我正在使用带有 PHP 的 HTML Simple Dom Parser 从网站获取标题、描述和图像。我面临的问题是我得到了我不想要的 html 以及如何排除那些 html 标签。下面是解释。

这是一个正在解析的示例 html 结构。

<div id="product_description">
<p> Some text</p>
<ul>
<li>value 1</li>
<li>value 2</li>
<li>value 3</li>
</ul>

// the div I dont want
<div id="comments">
<h1> Some Text </h1>
</div>

</div>

我正在使用下面的php脚本来解析，

foreach($html->find('div#product_description') as $description)
{
    echo $description->outertext ;
    echo "<br>";
}

上面的代码解析了 id 为“product_description”的 div 中的所有内容。我想排除 ID 为“cmets”的 div。我尝试将其转换为字符串，然后使用 substr 排除最后一个字符，但这不起作用。不知道为什么。关于我该怎么做的任何想法？任何允许我从解析的 html 中排除 div 的方法都可以。谢谢

【问题讨论】：

标签： php parsing web-scraping html-parsing simple-html-dom

【解决方案1】：

你可以通过设置outertext = ''来移除你不想要的元素：

$src =<<<src
<div id="product_description">
    <p> Some text</p>
    <ul>
        <li>value 1</li>
        <li>value 2</li>
        <li>value 3</li>
    </ul>

    <!-- the div I don't want -->                                                                                                                                        
    <div id="comments">
        <h1> Some Text </h1>
    </div>

</div>
src;

$html = str_get_html($src);

foreach($html->find('#product_description') as $description)
{
    $comments = $description->find('#comments', 0); 
    $comments->outertext = ''; 
    print $description->outertext ;
}

【讨论】：

感谢您的回复。我不明白你为什么使用 $src 变量？这会保存这个对象 $html->find('div#product_description') 吗？
不，它只是一个保存 HTML 的变量，所以我可以将它传递给 str_get_html 函数，只是为了使代码完全可以用于演示。
非常感谢。我没有使用 $html = str_get_html($src);和 $src 变量。这是我使用的代码。 foreach($html->find('div#ProductDescription_Tab') as $description) { $cmets = $description->find('.hsn_cmets', 0); $cmets->outertext = '';打印 $description->outertext ; }

【解决方案2】：

好吧，所以我发现自己只是使用 Advanced Html Dom 库，它与简单的 html dom 完全兼容，并且通过使用它，您将获得更多的控制权。从已解析的 html 中删除您想要的内容非常简单。例如。

//to remove script tag
$scripts = $description->find('script')->remove;

//to remove css style tag
$style = $description->find('style')->remove;

// to remove a div with class name findify-element
$findify = $description->find('div.findify-element')->remove;

enter link description here

【讨论】：