PHP 中的 XPath：获取所有文本节点，导航除外答案

【问题标题】：XPath in PHP: Get all text nodes, except navigationPHP 中的 XPath：获取所有文本节点，导航除外
【发布时间】：2013-06-20 02:22:07
【问题描述】：

我正在为一些非常糟糕的 HTML 编写自定义解析器/数据提取器。

更改 HTML 是不可能的。

我不会告诉你我必须跳过的篮球的细节，但我现在已经非常接近我最初的目标了。我正在使用 DOMDocument getElementByName、正则表达式替换（我知道，我知道...）和 XPath 查询的组合。

我需要从文档正文中取出所有文本。我希望导航保持一个单独的实体，至少在摘要中是这样。这是我现在正在做的事情：

$contentnodes = $xpath->query("//body//*[not(self::a)]/text()|//body//ul/li/a");

foreach ($contentnodes as $contentnode) {    
    $type      = $contentnode->nodeName;
    $content   = $contentnode->nodeValue;

    $output[] = array( $type, $content);
}

这行得通，当然它对页面上的所有链接的处理方式不同，我只希望它对导航这样做。

我可以使用什么 XPath 语法，以便在该查询的第一部分，在 | 之前，我告诉它获取 body 的孩子的所有文本节点except ul > li > a.

请注意，我不能依赖 p 标签或 h1 标签或任何类似的东西来对内容进行有根据的猜测。

谢谢

更新：@hr_117 的回答如下。我还发现您可以像这样使用多个 not 语句：

//body//text()[not(parent::a/parent::li/parent::ul)][not(parent::h1)]

【问题讨论】：

标签： php html xpath

【解决方案1】：

你可以试试这样的：

//body//text()[not(parent::a/parent::li/parent::ul)]|//body//ul/li/a

【讨论】：

【解决方案2】：

//body//*[not(self::a/parent::li/parent::ul)]/text()[normalize-space()]|//body//ul/li/a

(test)

【讨论】：