如何用DOMDocument获取元素不含子元素的主文本

这个场景我太熟悉了！nodeValue确实会把元素下所有子节点的内容一股脑儿拼出来，包括子元素里的文本。要只拿元素直接包含的文本节点，得从节点类型入手，或者用XPath精准筛选。

方法一：遍历子节点筛选文本节点 #

先拿到目标元素，然后遍历它的子节点，只保留类型为XML_TEXT_NODE（对应数值3）的节点内容：

// 先获取目标span元素
$spanElement = $g->query('//span')[0];
$mainText = '';

// 遍历所有子节点
foreach ($spanElement->childNodes as $childNode) {
    // 只处理文本节点
    if ($childNode->nodeType === XML_TEXT_NODE) {
        // 用trim去掉多余的空白字符，按需调整
        $mainText .= trim($childNode->nodeValue) . ' ';
    }
}

// 清理末尾多余的空格
$mainText = trim($mainText);
echo $mainText; // 输出：This is the main

方法二：用XPath直接定位文本子节点 #

更简洁的方式是用XPath的text()函数，直接选中目标元素下的所有直接文本子节点：

// 直接获取span下的所有文本子节点
$textNodes = $g->query('//span/text()');
$mainText = '';

foreach ($textNodes as $textNode) {
    $mainText .= trim($textNode->nodeValue) . ' ';
}

$mainText = trim($mainText);
echo $mainText; // 输出：This is the main

补充说明 #

如果你的元素里有多处直接文本（比如<span>开头<i>子元素</i>结尾</span>），这两种方法都会把所有直接文本节点的内容拼接起来，最终得到“开头 结尾”这样的结果，完全符合需求。

内容的提问来源于stack exchange，提问作者Googlebot