PHP DOM获取指定HTML中a标签的href与文本内容问题

目标HTML结构示例 #

<ul class="l1nk">
  <li><a href="https://sample.com/embed/2882015?ref=7Qc">ONLINE</a></li>
  <li><a href="https://sample.com/embed/12345?ref=abc">OFFLINE</a></li>
</ul>

正确的PHP DOM实现代码 #

<?php
// 替换为你的实际HTML内容（可通过file_get_contents或curl获取）
$html = '
<ul class="l1nk">
  <li><a href="https://sample.com/embed/2882015?ref=7Qc">ONLINE</a></li>
  <li><a href="https://sample.com/embed/12345?ref=abc">OFFLINE</a></li>
</ul>';

$dom = new DOMDocument();
// 忽略HTML格式不规范导致的警告
libxml_use_internal_errors(true);
$dom->loadHTML($html);
libxml_clear_errors();

// 用XPath精准定位目标节点
$xpath = new DOMXPath($dom);
// 匹配class为l1nk的ul下所有li中的a标签
$linkNodes = $xpath->query('//ul[@class="l1nk"]/li/a');

$linkData = [];
if ($linkNodes->length > 0) {
    foreach ($linkNodes as $node) {
        $linkData[] = [
            'href' => $node->getAttribute('href'),
            'text' => trim($node->nodeValue) // 去除文本前后空白
        ];
    }
}

// 输出结果示例
print_r($linkData);
?>

常见错误排查 #

1. XPath语法错误：如果之前用了类似CSS选择器的.l1nk li a，XPath不支持这种写法，必须用//ul[@class="l1nk"]/li/a（若目标ul有多个class，可改用contains(@class, "l1nk")）
2. 未处理不规范HTML：很多网页HTML格式不标准，必须加上libxml_use_internal_errors(true)避免DOM加载失败
3. 节点遍历错误：直接遍历ul的子节点而非精准定位到，导致获取到无关节点
4. 未清理文本空白：直接取nodeValue可能包含换行、空格，用trim()处理更干净