PHP技术问询：如何从$data变量的HTML数据提取产品描述与成分？

当然有可行的办法！在PHP里处理HTML内容提取，最稳妥的方式是用DOM扩展（别用正则，复杂HTML下正则很容易翻车）。下面我给你一套具体的实现思路和代码，完美适配你提到的需求：

核心思路 #

我们利用DOMDocument加载HTML内容，再通过DOMXPath精准定位到「Product Description」和「Ingredients」对应的区块，然后提取它们后面的内容。这种方法能应对大多数不规范的HTML结构，比正则靠谱得多。

具体代码实现 #

假设你的$data变量里的HTML结构类似这样（如果实际结构不同，只需微调XPath规则即可）：

<div class="product-details">
  <h3>Product Description</h3>
  <p>It can help improve brain and memory function</p>
  <p>Its good for health</p>
  <h3>Ingredients</h3>
  <p>Lecithin (product of soya), Gelatin, Glycerine. ...</p>
</div>

对应的PHP代码：

<?php
// 你的HTML数据
$data = '<div class="product-details">
  <h3>Product Description</h3>
  <p>It can help improve brain and memory function</p>
  <p>Its good for health</p>
  <h3>Ingredients</h3>
  <p>Lecithin (product of soya), Gelatin, Glycerine. ...</p>
</div>';

// 初始化DOM文档，忽略HTML解析错误（很多网页HTML不规范）
libxml_use_internal_errors(true);
$dom = new DOMDocument();
$dom->loadHTML($data);
libxml_clear_errors();

// 创建XPath对象用于节点查询
$xpath = new DOMXPath($dom);

// 提取产品描述（$pdesc）
$pdesc = '';
// 先定位到文本为"Product Description"的标题节点（这里假设是h3，实际根据你的HTML调整）
$descTitle = $xpath->query('//h3[text()="Product Description"]')->item(0);
if ($descTitle) {
    // 遍历标题后面的兄弟节点，直到遇到下一个标题或无节点
    $nextNode = $descTitle->nextSibling;
    while ($nextNode) {
        // 只提取p标签的内容（根据实际结构调整标签类型）
        if ($nextNode->nodeType === XML_ELEMENT_NODE && $nextNode->tagName === 'p') {
            $pdesc .= $dom->saveHTML($nextNode) . ' ';
        }
        // 遇到下一个h3标题就停止遍历
        if ($nextNode->nodeType === XML_ELEMENT_NODE && $nextNode->tagName === 'h3') {
            break;
        }
        $nextNode = $nextNode->nextSibling;
    }
    $pdesc = trim($pdesc);
}

// 提取成分（$ingredient）
$ingredient = '';
$ingTitle = $xpath->query('//h3[text()="Ingredients"]')->item(0);
if ($ingTitle) {
    $nextNode = $ingTitle->nextSibling;
    while ($nextNode) {
        if ($nextNode->nodeType === XML_ELEMENT_NODE && $nextNode->tagName === 'p') {
            $ingredient .= $dom->saveHTML($nextNode) . ' ';
        }
        if ($nextNode->nodeType === XML_ELEMENT_NODE && $nextNode->tagName === 'h3') {
            break;
        }
        $nextNode = $nextNode->nextSibling;
    }
    $ingredient = trim($ingredient);
}

// 测试输出结果
var_dump($pdesc);
var_dump($ingredient);
?>

灵活调整说明 #

如果你的HTML结构和示例不同，只需修改XPath查询规则即可：

• 若标题不是h3，而是h2或带class的div：比如//h2[@class="section-header" and text()="Product Description"]
• 若内容被包裹在容器div里：比如找到标题后，取它的下一个兄弟div容器，再提取里面的p标签：$xpath->query('//h3[text()="Product Description"]/following-sibling::div[1]//p')

这种方法的优势是能稳定处理各种HTML结构变化，不像正则表达式容易因为换行、额外属性就匹配失败。

内容的提问来源于stack exchange，提问作者Rand