Come posso trovare i nodi di testo in uno snippet HTML?

Question

Sto cercando di analizzare uno snippet HTML, utilizzando le funzioni DOM PHP. Ho messo a nudo tutto tranne i tag di paragrafo, span e line break, e ora voglio recuperare tutto il testo, insieme ai suoi stili di accompagnamento.

Quindi, mi piacerebbe ottenere ogni pezzo di testo, uno per uno, e per ognuno posso quindi risalire l'albero per ottenere i valori di particolari attributi (mi interessano solo alcuni specifici , come il colore ecc.).

Come posso fare questo? O ci sto pensando nel modo sbagliato?

Grazie!

Answer 1

Supponiamo di avere un DOMDocument qui:

$doc = new DOMDocument(); 
$doc->loadHTMLFile('http://stackoverflow.com/'); 

si possono trovare tutti i nodi di testo utilizzando un semplice XPath.

$xpath = new DOMXpath($doc); 
$textNodes = $xpath->query('//text()'); 

Basta foreach su di essa per iterare su tutti i textnodes:

foreach ($textNodes as $textNode) { 
    echo $textNode->data . "\n"; 
} 

Da questo, si può salire l'albero del DOM utilizzando ->parentNode.

Spero che questo possa darti un buon inizio.

Answer 2

Per coloro che sono più a proprio agio con i selettori CSS3 e sono disposti a includere una singola classe PHP aggiuntiva nel loro progetto, suggerirei l'uso di Simple PHP DOM parser. La soluzione sarebbe simile alla seguente:

$html = file_get_html('http://www.example.com/'); 

$ret = $html->find('p, span');  
$store = array(); 

foreach($ret as $element) { 
    $store[] = array($element->tag => array('text' => $element->innertext, 
              'color' => $element->color, 
              'style' => $element->style)); 
} 
print_r($store);