PHP使用XPath解析嵌套HTML标签提取字段生成指定结构数组

你当前已经正确获取到了所有class为tile的article节点，只需要在每个节点的上下文范围内单独查询对应子字段、做格式转换即可。

完整可运行代码 #

$dom = new DOMDocument();
// 抑制非规范HTML带来的解析警告
@$dom->loadHTML($html['html']);
$xpath = new DOMXPath($dom);
$parsedArray = [];

$nodelist = $xpath->query("//article[contains(@class, 'tile')]");

foreach ($nodelist as $node) {
    // 提取原始日期并转换格式
    $dateNode = $xpath->query(".//label[contains(@class, 'label-date--blue')]", $node)->item(0);
    $rawDate = trim($dateNode->nodeValue);
    $date = DateTime::createFromFormat('d.m.Y', $rawDate)->format('Y-m-d');

    // 提取标题和对应链接
    $titleANode = $xpath->query(".//h4/a[contains(@class, 'link-color-black')]", $node)->item(0);
    $title = trim($titleANode->nodeValue);
    $link = trim($titleANode->getAttribute('href'));

    // 提取内容文本
    $contentNode = $xpath->query(".//p[contains(@class, 'tile-content__paragraph--gray')]", $node)->item(0);
    $content = trim($contentNode->nodeValue);

    // 组装进结果数组
    $parsedArray[] = [
        'title' => $title,
        'link' => $link,
        'date' => $date,
        'content' => $content
    ];
}

// 输出结果验证
echo '<pre>';
var_dump($parsedArray);
echo '</pre>';

关键逻辑说明 #

• 子节点XPath查询前缀加.，限定查询范围为当前遍历的单个article节点，不会匹配其他article下的同类型字段
• 使用getAttribute('属性名')方法提取HTML标签的属性值，比如链接的href属性
• 字段提取后统一加trim()处理，清除文本前后多余的空格、换行符
• 日期格式转换使用DateTime::createFromFormat精准匹配原日.月.年的格式，再输出目标年-月-日格式，避免解析错误

兼容优化（可选） #

如果实际运行场景中可能存在部分字段缺失的情况，可以在提取节点前增加非空判断，避免抛出未定义错误：

$dateNode = $xpath->query(".//label[contains(@class, 'label-date--blue')]", $node)->item(0);
$rawDate = $dateNode ? trim($dateNode->nodeValue) : '';
$date = $rawDate ? DateTime::createFromFormat('d.m.Y', $rawDate)->format('Y-m-d') : '';

内容的提问来源于stack exchange，提问作者Igor