如何使用DomDocument获取指定class的span标签内的文本内容

解决方法 #

你当前的代码已经通过DomXPath查询获取到了所有匹配的span节点集合（DOMNodeList对象），调整后即可拿到第一个节点的文本内容，具体有两种实现方式：

方式1：直接从查询结果中取第一个节点 #

DOMNodeList对象可以通过item(0)获取第一个匹配节点，访问其nodeValue属性即可得到节点内的纯文本：

$dom = new domDocument;
// 屏蔽载入警告的同时加判断避免后续操作报错
if (@$dom->loadHTML($url)) {
    $classname = "test";
    $finder = new DomXPath($dom);
    $spaner = $finder->query("//span[contains(@class, '$classname')]");
    // 先判断是否存在匹配节点，避免调用item(0)时报错
    if ($spaner->length > 0) {
        // 获取第一个节点的文本内容
        $targetText = $spaner->item(0)->nodeValue;
        echo $targetText; // 输出结果就是hello world
    }
}

方式2：在XPath语句中直接限定取第一个节点 #

XPath的下标从1开始计数，可以直接在查询路径末尾加[1]直接获取第一个匹配节点，减少后续判断逻辑：

$dom = new domDocument;
if (@$dom->loadHTML($url)) {
    $classname = "test";
    $finder = new DomXPath($dom);
    // 末尾加[1]直接取第一个匹配节点
    $targetSpan = $finder->query("//span[contains(@class, '$classname')][1]");
    if ($targetSpan->length > 0) {
        $targetText = $targetSpan->item(0)->nodeValue;
    }
}

注意事项 #

你当前使用的contains(@class, '$classname')写法存在误匹配风险：如果存在<span class="test2">这类元素也会被匹配到。要精准匹配独立class，建议使用优化后的XPath语句：

//span[contains(concat(' ', normalize-space(@class), ' '), ' $classname ')]

该写法会先把class属性的前后空格去掉，再在前后拼接空格后判断是否包含独立的类名，避免误匹配。

内容的提问来源于stack exchange，提问作者shakky