HTML 文档的 PHP XPATH 省略所有标签。我想保留它们

Question

我正在使用 XPATH 解析 HTML 文档，并且我想保留所有内部 html 标签。

所讨论的 html 是一个包含许多列表元素的无序列表。

<ul id="adPoint1"><li>Business</li><li>Contract</li></ul>

我正在使用以下 PHP 代码解析文档

$dom = new DOMDocument();
@$dom->loadHTML($output);
$this->xpath = new DOMXPath($dom);
$testDom = $this->xpath->evaluate("//ul[@id='adPoint1']");
$test = $testDom->item(0)->nodeValue;
echo htmlentities($test);

由于某种原因，输出总是省略 html 标签。我认为这是因为 XPATH 不打算以这种方式使用，但是有没有解决这个问题的方法？

我真的很想继续使用 XPATH，因为我已经使用它来解析页面的其他区域（单个 a href 元素），没有任何问题。

编辑：我知道有一种更好的方法可以通过迭代 UL 的子元素来获取数据。页面中有一个更复杂的部分我也想解析（javascript 块），但我试图提供一个更容易理解的示例。

我想要的实际代码块是

<script language="javascript">document.write(rot_decode('<u7>Pbagnpg Qrgnvyf</u7><qy vq="pbagnpgQrgnvyf"><qg>Cu:</qg><qq>(58) 0078 8455</qq></qy>'));</script>

它的问题是省略了所有结束标签但保留了开始标签。我猜这是因为 XPATH 试图解析内部元素而不是仅仅将其视为字符串。

如果我尝试选择脚本元素

$testDom = $this->xpath->evaluate("//div[@id='businessDetails']/script");
$test = $testDom->item(0)->nodeValue;
echo htmlentities($test);

我的输出将是，您可以看到缺少所有结束标签。

document.write(rot_decode('<u7>Pbagnpg Qrgnvyf<qy vq="pbagnpgQrgnvyf"><qg>Cu:<qq>(58) 0078 8455'));

Answer 1

我认为 XPATH 不适合我想要的，现在使用PHP Simple HTML DOM Parser，它更适合该任务。

它可以很好地保持内部 html 格式。

foreach($this->simpleDom->find('script[language=javascript]') as $script) {
        echo htmlentities($script->innertext());
}