使用PHP simple_html_dom解析HTML时如何移除元素内span标签仅提取价格

方案1：DOM操作移除span标签（推荐，兼容性更好） #

直接在提取文本前删除.price节点内的单位span元素，避免匹配错误，实现代码如下：

require('simple_html_dom.php');

$html = file_get_html("www.example.com");

// 提取柴油价格
$dieselPriceNode = $html->find(".on .price", 0);
if ($unitSpan = $dieselPriceNode->find("span", 0)) {
    $unitSpan->remove();
}
$info['diesel'] = trim($dieselPriceNode->innertext);

// 提取95号汽油价格
$pb95PriceNode = $html->find(".pb .price", 0);
if ($unitSpan = $pb95PriceNode->find("span", 0)) {
    $unitSpan->remove();
}
$info['pb95'] = trim($pb95PriceNode->innertext);

// 提取液化石油气价格
$lpgPriceNode = $html->find(".lpg .price", 0);
if ($unitSpan = $lpgPriceNode->find("span", 0)) {
    $unitSpan->remove();
}
$info['lpg'] = trim($lpgPriceNode->innertext);

方案2：正则匹配提取价格（代码更简洁） #

如果确认页面结构不会变动，也可以直接从原始文本中匹配数字+逗号组成的价格部分：

require('simple_html_dom.php');

$html = file_get_html("www.example.com");

// 匹配规则：提取连续的数字和逗号组合
preg_match('/[\d,]+/', $html->find(".on .price", 0)->innertext, $match);
$info['diesel'] = $match[0] ?? '';

preg_match('/[\d,]+/', $html->find(".pb .price", 0)->innertext, $match);
$info['pb95'] = $match[0] ?? '';

preg_match('/[\d,]+/', $html->find(".lpg .price", 0)->innertext, $match);
$info['lpg'] = $match[0] ?? '';

内容的提问来源于stack exchange，提问作者Zimnytu