PHP DOMDocument获取h3标签下一个p兄弟节点文本返回空字符串问题

问题原因 #

nextSibling 属性会返回所有类型的相邻节点，包括标签之间的空白字符（换行、空格）生成的文本节点，你拿到的空内容节点其实是h3和p标签之间的空白文本节点，不是你要的p元素节点。

解决方案 #

方案1：跳过非元素节点，定位目标p标签 #

修改遍历逻辑，过滤掉文本、注释等非元素节点，直到找到下一个p元素：

foreach ($hList as $k=>$h )
{
    $text = $h->nodeValue ;
    dump( 'h3->' , $text);
    $nextNode = $h->nextSibling;
    // 循环跳过非元素节点
    while ($nextNode !== null && $nextNode->nodeType !== XML_ELEMENT_NODE) {
        $nextNode = $nextNode->nextSibling;
    }
    // 确认是p标签再取值
    if ($nextNode !== null && $nextNode->tagName === 'p') {
        dump( 'p->' , $nextNode->nodeValue);
    }
}

方案2：用XPath直接精准查询 #

直接通过XPath规则定位每个h3后紧跟的第一个p节点，逻辑更简洁高效：

$doc = new \DOMDocument('1.0', 'UTF-8');
$prologue = '<?xml encoding="UTF-8">';
@$doc->loadHTML($prologue.$page); // 加@抑制非规范HTML的警告
$finder = new \DOMXPath($doc);
$h3Nodes = $finder->query("//*[contains(@class, 'td-post-content td-pb-padding-side')]/h3");

foreach ($h3Nodes as $h3) {
    $pNode = $finder->query("./following-sibling::p[1]", $h3)->item(0);
    dump('h3->', $h3->nodeValue);
    if ($pNode) {
        dump('p->', $pNode->nodeValue);
    }
}

内容的提问来源于stack exchange，提问作者hretic