如何使用 PHP DomXPath 提取标签内独立的纯文本节点-php教程-PHP中文网

如何使用 PHP DomXPath 提取标签内独立的纯文本节点

本文介绍如何通过 XPath 表达式 *|text() 同时获取 HTML 元素内的子标签和相邻的纯文本节点，解决“文本不在标签内却需按顺序提取”的常见解析需求。

本文介绍如何通过 xpath 表达式 `*|text()` 同时获取 html 元素内的子标签和相邻的纯文本节点，解决“文本不在标签内却需按顺序提取”的常见解析需求。

在使用 PHP 的 DOMDocument 和 DOMXPath 解析 HTML 时，一个典型难点是：当目标元素（如

）中包含混合内容——即纯文本（text nodes）与嵌套标签（如、）交错出现时，仅用 *（匹配所有子元素）会忽略那些未被标签包裹的文本内容。

例如，对于如下 HTML 片段：

<p> 
  Example Text 1
  <span> Text </span>
  Example Text 2
  @@##@@
</p>

执行 $xpath->evaluate("*", $object) 仅返回和两个 DOMElement 节点，而 "Example Text 1" 和 "Example Text 2"（属于 DOMText 节点）会被完全跳过——因为它们不是元素节点（element），而是文本节点（text node）。

✅ 正确做法是扩展 XPath 表达式，显式包含文本节点：

$subObjects = $xpath->evaluate("*|text()", $object);

该表达式含义为：*匹配当前节点的所有子元素（`）或所有直接子文本节点（text()`）**。注意：

btpanel phpsite 宝塔面板PHP网站

宝塔面板 PHP 网站管理：站点创建、删除、启停、PHP 版本切换、域名管理、SSL证书管理、伪静态管理、数据库管理

下载

text() 仅匹配直接子级的文本节点（不递归），符合语义预期；
*|text() 返回的是混合类型的 DOMNodeList，其中既含 DOMElement，也含 DOMText；
遍历时需判断节点类型以安全提取内容：

foreach ($subObjects as $node) {
    if ($node instanceof DOMText) {
        echo "Text: '" . trim($node->textContent) . "'\n";
    } elseif ($node instanceof DOMElement) {
        echo "Tag: tagName . "> (content: '" . trim($node->textContent) . "')\n";
    }
}
// 输出顺序与 HTML 中实际排列一致：
// Text: 'Example Text 1'
// Tag: <span> (content: ' Text ')
// Text: 'Example Text 2'
// Tag: @@##@@ (content: '')</span>

⚠️ 注意事项：

text() 不匹配空白换行符组成的纯空白文本节点（如 \n ...\n 中的 \n），但 textContent 默认会保留前后空格；建议用 trim() 清理；
若需排除空白文本节点，可改用更精确的 XPath：*|text()[normalize-space()]；
DOMXPath::evaluate() 返回的 DOMNodeList 是有序且按文档流排列的，因此无需额外排序即可保证“文本→标签→文本→标签…”的原始结构还原。