PHP提取单个<p>标签innerHTML并保存为TXT文件遇错求助

问题背景 #

你尝试用PHP抓取页面中唯一的<p>标签内容并保存为TXT文件，但使用getElementsByTagName()时遇到了报错，你的代码如下：

<?php 
$dataPage = file_get_contents('http://www.somedataurl.com'); 
$doc = new DOMDocument; 
$doc->loadHTML($dataPage); 
$dataNodeList = $doc->getElementsByTagName('p'); 
$dataNode = $dataNodeList->item(0); 
function innerHTML($node) { 
    return implode(array_map([$node->ownerDocument, "saveHTML"], iterator_to_array($node->childNodes))); 
} 
$theData = innerHTML($dataNode); 
header('Content-Type: text/plain'); 
$filename = date('Y-m-d') . '.txt'; 
file_put_contents($filename, $theData); 
?>

错误日志显示：

PHP Notice: Undefined property:: DOMNodeList (第10行)
PHP Notice: Undefined property:: DOMNodeList (第11行)
PHP Catchable fatal error (第11行)

你想知道：有没有比getElementsByTagName()更合适的工具？或者调整现有代码能否解决问题？

解决方案 #

一、调整现有代码修复问题

你的报错根源主要是缺少节点有效性判断：如果页面加载失败、或者实际不存在<p>标签，$dataNode会变成null，此时调用innerHTML(null)就会触发属性未定义的错误。另外，DOMDocument::loadHTML()经常会因为页面HTML格式不规范抛出警告，也需要处理。

修改后的代码如下：

<?php 
$dataPage = file_get_contents('http://www.somedataurl.com'); 
// 先检查页面是否成功获取
if (!$dataPage) {
    die("无法加载目标页面内容");
}

$doc = new DOMDocument; 
// 抑制HTML格式不规范导致的警告
@$doc->loadHTML($dataPage); 

$dataNodeList = $doc->getElementsByTagName('p'); 
// 确认存在<p>节点再继续执行
if ($dataNodeList->length === 0) {
    die("页面中未找到<p>标签");
}

$dataNode = $dataNodeList->item(0); 

function innerHTML($node) { 
    // 增加节点有效性判断，避免传入null报错
    if (!$node) return '';
    return implode(array_map([$node->ownerDocument, "saveHTML"], iterator_to_array($node->childNodes))); 
} 

$theData = innerHTML($dataNode); 
$filename = date('Y-m-d') . '.txt'; 
file_put_contents($filename, $theData); 

// 如需浏览器直接下载文件，保留以下header
header('Content-Type: text/plain');
header('Content-Disposition: attachment; filename="' . $filename . '"');
echo $theData;
?>

二、使用更高效的工具：DOMXPath

因为页面只有一个<p>标签，用DOMXPath可以直接精准定位目标节点，代码更简洁直观，省去了节点列表遍历的步骤：

<?php 
$dataPage = file_get_contents('http://www.somedataurl.com'); 
if (!$dataPage) {
    die("无法加载目标页面内容");
}

$doc = new DOMDocument; 
@$doc->loadHTML($dataPage); 

$xpath = new DOMXPath($doc);
// 直接选取页面中的<p>节点（因为只有一个，就是目标节点）
$dataNode = $xpath->query('//p')->item(0);

if (!$dataNode) {
    die("页面中未找到<p>标签");
}

// PHP 8.0+版本可以直接用内置的innerHTML属性，无需自定义函数
if (method_exists($dataNode, 'innerHTML')) {
    $theData = $dataNode->innerHTML;
} else {
    $theData = implode(array_map([$doc, "saveHTML"], iterator_to_array($dataNode->childNodes)));
}

$filename = date('Y-m-d') . '.txt'; 
file_put_contents($filename, $theData); 

header('Content-Type: text/plain');
header('Content-Disposition: attachment; filename="' . $filename . '"');
echo $theData;
?>

注意：PHP 8.0及以上版本的DOMElement新增了原生innerHTML属性，可以直接用$dataNode->innerHTML获取内容，省去了自定义函数的麻烦。

内容的提问来源于stack exchange，提问作者Arash Howaida