如何从 HTML 页面中提取文本块？

Question

我想使用 PHP 从大型 HTML 页面中提取超过 100 个单词的文本块。文本是否包含在

...

中并不重要。我只关心构成连贯文本块的单词数，因此 HTML 段落之外的文本也应该考虑在内。

这怎么能做到呢？

Answer 1

我使用 phpQuery。你熟悉 jQuery 吗？它们共享相同的语法。您可能会担心安装新库，但相信我，这个库非常值得付出额外的开销

phpQuery< /a>

然后你可以像这样访问它：

foreach($doc->find('p') as $element){
   $element = pq($element);
   echo str_word_count($element->text());
}

Answer 2

使用 PHP 简单 DOM 解析器。

foreach($html->find('p') as $element){
   echo str_word_count($element->src);
}