如何在不丢失标签的情况下抓取网页数据答案

【问题标题】：how to scrape web page data without losing tags如何在不丢失标签的情况下抓取网页数据
【发布时间】：2023-03-25 10:55:01
【问题描述】：

我正在尝试使用 php 和 dom xpath 抓取网络数据。当我将 $node->nodeValue 存储到我的数据库中时，或者即使我尝试回显它，所有像 <p> 和 <br> 这样的标签都丢失了。所以我把所有的paras连接起来。如何解决这个问题

【问题讨论】：

标签： php dom serialization innerhtml

【解决方案1】：

如果你有一个节点，并且你需要它的所有内容，你可以使用这个函数：

function innerHTML(DOMNode $node)
{
  $doc = new DOMDocument();
  foreach ($node->childNodes as $child) {
    $doc->appendChild($doc->importNode($child, true));
  }
  return $doc->saveHTML();
}

【讨论】：

2 多个小时的搜索，这是扭转潮流的帖子。

【解决方案2】：

如果您正在浏览 DOM，很可能不再有可查看的标签。标签现在是 DOM 中的节点——标签中包含的原始内容是您可以以“字符串形式”访问的所有内容。当然，您可以使用节点信息来重建标签，但它们不会是原始标签（例如，您将不得不选择 <BR> 或 <br> - 您将不知道该站点最初有哪个） .如果您想从一开始就获得原始标签，请获取您所做的 GET/POST 返回的原始字节流；不要将其解析为 DOM 树。

【讨论】：