PHP使用DOM处理HTML时仅移除指定class的div外层标签保留内部HTML
PHP实现移除指定class的外层div保留内部所有HTML内容的修改方案
问题原因
你现有代码的问题出在节点替换逻辑:$prent->replaceChild($doc->createTextNode($node->nodeValue), $node); 这里用纯文本节点替换了原目标div,nodeValue属性只能提取节点内的纯文本,自然会丢失所有内部HTML标签。
核心修改逻辑
要保留内部所有子节点,需要把目标div的所有子节点依次移动到父节点的对应位置,再删除原有的div节点即可。注意DOMNodeList是动态集合,直接正向遍历会丢失节点,建议先把子节点转为数组再遍历。
修改后的完整代码
// 测试用HTML $html = '<div class="xx1">Some Extra Test<div class="test1">Test1<div class="test2"></div>Some Text</div></div>'; function DOC_Change_Data( $HTML = '', $Type = '', $Data = '', $Extra_Data = '' ) { if($HTML != '' && $Type != '' && $Data != '') { $doc = new DOMDocument("1.0","UTF-8"); $doc->preserveWhiteSpace = true; // 保留空白字符更贴合原内容格式 @$doc->loadHTML('<?xml encoding="utf-8" ?>' . $HTML, LIBXML_HTML_NODEFDTD | LIBXML_HTML_NOIMPLIED); // 抑制不规范HTML的警告 $xpath = new DOMXPath($doc); if(preg_match("#remove_only_tag#is", $Extra_Data)) { if($Type == 'query') { $nodes = $xpath->query($Data); } else if($Type == 'getElementsByTagName') { $nodes = $doc->getElementsByTagName($Data); } foreach($nodes as $node) { $parent = $node->parentNode; // 先把所有子节点转成数组,避免动态DOMNodeList遍历丢失元素 $children = iterator_to_array($node->childNodes); foreach ($children as $child) { // 深度克隆子节点插入到原目标div的前方 $parent->insertBefore($child->cloneNode(true), $node); } // 所有子节点移动完成后删除空的目标div节点 $parent->removeChild($node); } $GET_Node_Data = str_replace("<?xml encoding=\"utf-8\" ?>", "", $doc->saveHTML()); return $GET_Node_Data; } } return $HTML; // 异常场景直接返回原内容避免丢失数据 } // 调用测试 echo DOC_Change_Data( $html, 'query', '//div[@class="test1"]', 'remove_only_tag' );
输出验证
运行上述代码后,最终输出和你预期的效果完全匹配:
<div class="xx1">Some Extra TestTest1<div class="test2"></div>Some Text</div>
如果你仅需要提取test1内部的内容不需要保留外层xx1节点,只需要在遍历到目标test1节点后,直接拼接所有子节点的HTML返回即可。
内容的提问来源于stack exchange,提问作者Matei Zoc
相关产品推荐
相关产品推荐

