XPath 节点到字符串

Question

我如何选择以下节点的字符串内容：

<span class="url">
 word
 <b class=" ">test</b>
</span>

<span class="url">
 word
 <b class=" ">test2</b>
 more words
</span>

我尝试了一些方法

//span/text()

没有得到粗体标记

//span/string(.)

无效

string(//span)

仅选择1个节点

我在php中使用simple_xml，我认为唯一的其他选项是使用//span它返回：

Array
(
    [0] => SimpleXMLElement Object
        (
            [@attributes] => Array
                (
                    [class] => url
                )

            [b] => test
        )

    [1] => SimpleXMLElement Object
        (
            [@attributes] => Array
                (
                    [class] => url
                )

            [b] => test2
        )

)

*请注意，它还会从第二个跨度中删除“更多单词”文本。

所以我想我可以如何使用 php 来压平数组中的项目？ Xpath 是首选，但任何其他想法也会有帮助。

Answer 1

$xml = '<foo>
<span class="url">
 word
 <b class=" ">test</b>
</span>

<span class="url">
 word
 <b class=" ">test2</b>
 more words
</span>
</foo>';
$dom = new DOMDocument();
$dom->loadXML($xml); //or load an HTML document with loadHTML()
$x= new DOMXpath($dom);
foreach($x->query("//span[@class='url']") as $node) echo $node->textContent;

Answer 2

您甚至不需要 XPath：

$dom = new DOMDocument;
$dom->loadHTML($html);
foreach($dom->getElementsByTagName('span') as $span) {
    if(in_array('url', explode(' ', $span->getAttribute('class')))) {
        $span->nodeValue = $span->textContent;
    }
}
echo $dom->saveHTML();

在下面的注释后编辑

如果您只想获取字符串，您可以执行 echo $span->textContent; 而不是替换节点值。我知道您想要为跨度使用一个字符串，而不是嵌套结构。在这种情况下，您还应该考虑在跨度代码段上简单运行 strip_tags 是否不是更快、更简单的替代方案。

---

使用 PHP5.3，您还可以注册任意 PHP 函数以用作 XPath 查询中的回调。以下代码将获取所有 span 元素及其子节点的内容，并将其作为单个字符串返回。

$dom = new DOMDocument;
$dom->loadHTML($html);
$xp = new DOMXPath($dom);
$xp->registerNamespace("php", "http://php.net/xpath");
$xp->registerPHPFunctions();
echo $xp->evaluate('php:function("nodeTextJoin", //span)');

// Custom Callback function
function nodeTextJoin($nodes)
{
    $text = '';
    foreach($nodes as $node) {
        $text .= $node->textContent;
    }
    return $text;
}

Answer 3

使用 XMLReader：

$xmlr = new XMLReader;
$xmlr->xml($doc);
while ($xmlr->read()) {
    if (($xmlr->nodeType == XmlReader::ELEMENT) && ($xmlr->name == 'span')) {
        echo $xmlr->readString();
    }
}

输出：

word
test

word
test2
more words

Answer 4

SimpleXML 不喜欢将文本节点与其他元素混合，这就是您丢失一些内容的原因。然而，DOM 扩展可以很好地处理这个问题。幸运的是，DOM 和 SimpleXML 是同一枚硬币 (libxml) 的两个面，因此很容易混合使用它们。例如：

foreach ($yourSimpleXMLElement->xpath('//span') as $span)
{
    // will not work as expected
    echo $span;

    // will work as expected
    echo textContent($span);
}

function textContent(SimpleXMLElement $node)
{
    return dom_import_simplexml($node)->textContent;
}

Answer 5

//span//text()

这可能是你能做的最好的事情了。您将获得多个文本节点，因为文本存储在 DOM 中的单独节点中。如果您想要单个字符串，则必须自己连接文本节点，因为我想不出一种方法来让内置 XPath 函数来完成此操作。

使用 string() 或 concat() 不起作用，因为这些函数需要字符串参数。当您将节点集传递给需要字符串的函数时，节点集将通过获取节点集中第一个节点的文本内容转换为字符串。其余节点将被丢弃。

Answer 6

如何选择字符串内容
以下节点：

首先，我认为你的问题没有表述清楚。

您可以选择后代文本节点，因为 John Kugelman 的回答是

//span//text()

我建议使用绝对路径（不以 // 开头）

但是您需要处理从父级 span 中找到它们是子级的文本节点。因此，最好只选择 span 元素（例如 //span），然后处理其字符串值。

使用 XPath 2.0，您可以使用：

string-join(//span, '.')

结果：

word test. word test2 more words

使用 XSLT 1.0，此输入：

<div>
<span class="url">
 word
 <b class=" ">test</b>
</span>

<span class="url">
 word
 <b class=" ">test2</b>
 more words
</span>
</div>

使用此样式表：

<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
    <xsl:output method="text"/>
    <xsl:template match="span[@class='url']">
        <xsl:value-of select="concat(substring('.',1,position()-1),normalize-space(.))"/>
    </xsl:template>
</xsl:stylesheet>

输出：

word test.word test2 more words

Answer 7

沿着 Alejandro 的 XSLT 1.0“但任何其他想法也会有所帮助”的答案...

XML：

<?xml version="1.0" encoding="UTF-8"?>
<div>
    <span class="url">
        word
        <b class=" ">test</b>
    </span>
    <span class="url">
        word
        <b class=" ">test2</b>
        more words
    </span>
</div>

XSL：

<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
    <xsl:output method="text"/>
    <xsl:template match="span">
        <xsl:value-of select="normalize-space(data(.))"/>
    </xsl:template>
</xsl:stylesheet>

输出：

word test
word test2 more words