如何使用 PHP DOMXPath 提取标签内外的纯文本节点（包括相邻文本）-php教程-PHP中文网

如何使用 PHP DOMXPath 提取标签内外的纯文本节点（包括相邻文本）

本文介绍如何通过 XPath 表达式 *|text() 同时获取 HTML 元素内所有子元素节点和直接子文本节点，从而完整还原等容器中“标签间文本”的原始顺序与结构。

本文介绍如何通过 xpath 表达式 `*|text()` 同时获取 html 元素内所有子元素节点和直接子文本节点，从而完整还原 `

` 等容器中“标签间文本”的原始顺序与结构。

在 PHP 的 DOMDocument + DOMXPath 开发中，一个常见需求是：遍历某个父元素（如

）的所有直接子内容，不仅包括、等标签节点，也包括夹在标签之间的纯文本（如 "Example Text 1" 和 "Example Text 2"）。默认调用 $xpath->evaluate("*", $object) 仅返回元素节点（Element Nodes），而忽略文本节点（Text Nodes），导致内容丢失或顺序错乱。

正确做法是扩展 XPath 表达式，显式包含文本节点。使用联合表达式 *|text() 即可同时匹配：

*：所有子元素节点（如、）
text()：所有直接子文本节点（即父元素下一级的纯文本，不含嵌套文本）

✅ 示例代码如下：

$dom = new DOMDocument();
libxml_use_internal_errors(true); // 忽略 HTML 解析警告
$dom->loadHTML('<p> Example Text 1 <span> Text </span> Example Text 2 @@##@@</p><div class="aritcle_card flexRow artxards">
											<div class="artcardd flexRow">
												<a class="aritcle_card_img" rel="nofollow" href="/xiazai/skill5233" title="btpanel phpsite 宝塔面板PHP网站"><img
														src="https://img.php.cn/upload/skill/000/000/081/179040786932301.jpg" alt="btpanel phpsite 宝塔面板PHP网站" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
												<div class="aritcle_card_info flexColumn">
													<a rel="nofollow" href="/xiazai/skill5233" title="btpanel phpsite 宝塔面板PHP网站" class="overflowclass">btpanel phpsite 宝塔面板PHP网站</a>
													<p class="overflowclass">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</p>
												</div>
												<a rel="nofollow" href="/xiazai/skill5233" title="btpanel phpsite 宝塔面板PHP网站" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span>
												</a>
											</div>
										</div>', LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
$xpath = new DOMXPath($dom);

// 定位到 <p> 元素
$pNode = $dom->getElementsByTagName('p')->item(0);

// 获取所有直接子节点：元素 + 相邻文本
$subObjects = $xpath->evaluate("*|text()", $pNode);

// 遍历并区分类型，保持原始顺序
foreach ($subObjects as $node) {
    if ($node instanceof DOMText) {
        echo "TEXT: '" . trim($node->textContent) . "'\n";
    } elseif ($node instanceof DOMElement) {
        echo "ELEMENT: tagName . "> (content: '" . trim($node->textContent) . "')\n";
    }
}</p>

输出结果（按 DOM 树中实际顺序）：

TEXT: 'Example Text 1'
ELEMENT: <span> (content: 'Text')
TEXT: 'Example Text 2'
ELEMENT: @@##@@ (content: '')</span>

⚠️ 注意事项：

text() 仅匹配直接子文本节点，不会递归抓取深层嵌套文本（如 inner 中的 "inner" 不会被 text() 在层级捕获）；
文本节点可能包含空白符（换行、缩进），建议用 trim($node->textContent) 清理；
若需排除空白文本节点，可改用更精确的 text()[normalize-space()]；
DOMXPath::evaluate() 返回的是 DOMNodeList，其遍历顺序严格遵循 HTML 源码中节点出现的物理顺序，天然支持混合内容的线性处理。