如何使用 PHP DOMXPath 提取标签内外的纯文本节点（包括非嵌套文本）-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（包括非嵌套文本）

本文介绍在 PHP 中利用 DOMXPath 的 XPath 表达式，精准获取 HTML 元素内所有子节点——既包含子标签（如、），也包含直接位于父元素内部的纯文本节点（如 "Example Text 1" 和 "Example Text 2"），实现按文档顺序统一遍历。

本文介绍在 php 中利用 domxpath 的 xpath 表达式，精准获取 html 元素内所有子节点——既包含子标签（如 ``、``），也包含直接位于父元素内部的纯文本节点（如 `"example text 1"` 和 `"example text 2"`），实现按文档顺序统一遍历。

在处理 HTML 结构时，DOM 解析器会将元素内的纯文本（即未被任何标签包裹的字符数据）视为独立的 DOMText 节点，与 DOMElement 节点并列存在于父节点的子节点列表中。默认使用 $xpath->evaluate("*", $object) 仅匹配元素节点（element nodes），因此会遗漏 "Example Text 1" 和 "Example Text 2" 这类位于

标签内但未被子标签包裹的文本内容。

要同时获取子元素和相邻纯文本，需在 XPath 表达式中显式包含 text() 节点测试。正确写法为：

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

该表达式含义为：匹配 $object 下的所有子元素节点（*）或所有直接子文本节点（text()），且结果按其在源 HTML 中的出现顺序自然排列（即文档顺序）。执行后，$subObjects 将返回一个 DOMNodeList，其中节点类型混合存在：

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

DOMElement（如、）
DOMText（如 "Example Text 1\n "、" Example Text 2\n "）

✅ 关键注意事项：

text() 仅匹配直接子文本节点，不递归匹配深层嵌套文本；
文本节点可能包含空白符（换行、缩进、空格），建议用 trim($node->textContent) 或 preg_replace('/\s+/', ' ', $node->nodeValue) 清理；

若需区分节点类型，可遍历后判断：

foreach ($subObjects as $node) {
    if ($node instanceof DOMElement) {
        echo "Element: tagName . ">\n";
    } elseif ($node instanceof DOMText && trim($node->nodeValue) !== '') {
        echo "Text: \"" . trim($node->nodeValue) . "\"\n";
    }
}

综上，"*|text()" 是 DOMXPath 中实现“结构化 + 文本流”一体化提取的标准且高效方案，适用于解析富文本段落、提取带内联标记的正文内容等典型场景。