如何使用xpath->查询从包含HTML文档的字符串中删除找到的节点用PHP

Question

用例很简单。我想通过基本上包含HTML文档的字符串（！）中的xpath语句来查找节点并删除它们。

我知道如何用PHP找到节点。它基本上是这样的： 创建新的DOMDocument LoadHTML（或LoadXML） 创建新的DOMXpath，然后创建方法“query”或“evaluate”。完成。

但删除是棘手的部分。人们会认为你只需要用几条语句删除节点（并且在最后的parentNode-> removeChild处），然后将结果保存到带有saveHTML的字符串中。不幸的是，这个操作几乎每次都会在原始的HTML字符串中“转换太多东西”。

所以我现在的问题是。如何通过xpath-> query（$ query）删除节点而不使用saveHTML或saveXML？而不用编写我自己的解析器。

希望它已经足够清楚:-)

感谢您看这个！

Answer 1

首先，确保从底部开始删除找到的节点。这是为了确保您在父节点之前删除子节点。

二，你是什么意思“转化为很多东西”？ PHP的DOM XML将把文档解析为DOM节点树。然后你在树上工作，当你完成时它会将DOM树转换回XML/HTML。你很可能会失去缩进，争论可能会改变地方等等。重要的是文档意味着完全相同的东西，即DOM树的确切的XML/HTML表示。

Answer 2

Emil thanks for your quick answer

是的，你说得对。这是我如何删除节点，它的工作原理：

使用loadHTML/loadXML将HTML STRING转换为DOM - >使用xpath查询节点 - >从DOM中删除节点（如您所述） - >将DOM转换为HTML STRING saveHTML/XML

工作原理 - 但问题是saveHTML后的输出通常会显着不同（除了已删除的节点）。我不关心论据定位或空白。但有时网站在saveHTML之后甚至无法在浏览器中正确呈现。我怀疑浏览器处理更好的不完美的HTML代码...

是否有另一种方式，我可以尝试 - 除了saveHTML？

可能是不可能的（或者至少不是没有很大的努力）？你怎么看？