如何使用DOM同时获取href属性值与文本内容？

基础DOM操作实现 #

直接遍历<li>元素，检查其内部是否存在<a>标签，进而提取链接属性：

$html = '<ul><li><a href="https://example.com/page1">第一页</a></li><li><a href="https://example.com/page2">第二页</a></li><li>没有链接的项目</li></ul>';
$dom = new DOMDocument();
libxml_use_internal_errors(true); // 屏蔽HTML解析警告
$dom->loadHTML($html);
libxml_clear_errors();

$liElements = $dom->getElementsByTagName('li');
$results = [];

foreach ($liElements as $li) {
    // 获取当前<li>下的第一个<a>标签
    $aTag = $li->getElementsByTagName('a')->item(0);
    
    $item = [
        'text' => trim($li->textContent), // 提取<li>的文本内容
        'href' => null
    ];
    
    // 如果存在<a>标签，提取其href属性
    if ($aTag instanceof DOMElement) {
        $item['href'] = $aTag->getAttribute('href');
    }
    
    $results[] = $item;
}

// 输出处理后的结果
foreach ($results as $res) {
    echo "文本内容：{$res['text']} | 链接地址：{$res['href']}\n";
}

XPath 精准匹配实现 #

用XPath可以更简洁地定位元素，适合结构复杂的HTML：

$html = '<ul><li><a href="https://example.com/page1">第一页</a></li><li><a href="https://example.com/page2">第二页</a></li><li>没有链接的项目</li></ul>';
$dom = new DOMDocument();
libxml_use_internal_errors(true);
$dom->loadHTML($html);
libxml_clear_errors();

$xpath = new DOMXPath($dom);
// 选择所有<li>节点
$liNodes = $xpath->query('//li');

$results = [];
foreach ($liNodes as $node) {
    // 提取<li>的文本
    $text = trim($node->textContent);
    // 提取<li>内部<a>的href属性，无则返回空字符串
    $href = $xpath->evaluate('string(.//a/@href)', $node);
    
    $results[] = [
        'text' => $text,
        'href' => $href ?: null
    ];
}

// 输出结果
foreach ($results as $res) {
    echo "文本内容：{$res['text']} | 链接地址：{$res['href']}\n";
}

说明 #

• 两种方法都兼容<li>内部有无<a>标签的情况
• libxml_use_internal_errors(true)用来屏蔽DOM解析HTML时的警告（比如非标准HTML结构）
• 提取结果以数组形式存储，方便后续业务处理（如存入数据库、生成JSON等）

内容的提问来源于stack exchange，提问作者Yogus