使用PHP DOMDocument解析WordPress内容无法匹配img元素的问题

用PHP DOMDocument解析WordPress文章内容，想只打印img元素，但代码死活输出不了任何img；要是把($item->nodeName == 'img')这个条件去掉，所有元素（包括img）都能正常打印。明明DOM里有img，为啥这个条件过滤不出来？

我的代码 #

function myfun($post_id)
{
    //  Get the post conent
    $post = get_post($post_id); 
    $body = $post->post_content;
    
    //  Parse the post content with as UTF-8
    //  Ref: https://www.php.net/manual/en/intro.dom.php
    $doc = new \DOMDocument();
    $doc->loadHtml("<html><head><meta charset=\"UTF-8\"><meta http-equiv=\"Content-Type\" content=\"text/html; charset=UTF-8\"></head><body>".$body."</body></html>");
    
    //  Enumerate the DOM tree
    $doc_root = $doc->documentElement;
    
    enum_dom($doc_root->childNodes, 0);
}

function enum_dom($nodes, $level)
{
    foreach ($nodes AS $item) 
    {
      if (($item->nodeType == XML_ELEMENT_NODE) && ($item->nodeName == 'img'))
      { 
        print $item->nodeName . PHP_EOL;

        if($item->childNodes || $item->childNodes->lenth > 0) 
        {
          enum_dom($item->childNodes, $level+5);
        }
      }
    }
}

测试用的文章内容 #

<img class="aligncenter wp-image-43154" title="Excel Invoice Template Site Introduction" src="https://www.sample.com/blogs/wp-content/uploads/2024/04/excel-invoice-template-site-introduction.jpg" alt="Excel Invoice Template Site Introduction" width="600" height="338" />

PHP的DOMDocument::loadHtml()是按照HTML规则解析内容的，它会把所有HTML标签名转换成大写形式。所以你代码里判断$item->nodeName == 'img'永远匹配不上，实际img元素的nodeName是IMG。

另外提一句，你代码里还有个拼写错误：$item->childNodes->lenth应该是$item->childNodes->length，不过这个不影响当前img的匹配问题。

有三种简单的解决方式：

• 直接把判断条件改成大写：将$item->nodeName == 'img'替换成$item->nodeName == 'IMG'，直接匹配解析后的节点名。
• 统一转小写后判断：用strtolower($item->nodeName) == 'img'，彻底避免大小写问题。
• 用更高效的内置方法：不用自己递归遍历所有节点，直接用getElementsByTagName()获取所有img元素，代码更简洁：

  function myfun($post_id)
  {
      $post = get_post($post_id); 
      $body = $post->post_content;
      
      $doc = new \DOMDocument();
      $doc->loadHtml("<html><head><meta charset=\"UTF-8\"></head><body>".$body."</body></html>");
      
      // 直接获取所有img元素
      $imgs = $doc->getElementsByTagName('img');
      foreach ($imgs as $img) {
          print $img->nodeName . PHP_EOL;
      }
  }
  

内容的提问来源于stack exchange，提问作者alancc