小编gri*_*gon的帖子

我正在抓取（使用 PHP 简单 HTML DOM）许多不同的（新闻）网站，目的是获取页面上的主要内容/文本正文。

要做到这一点，我能想到的最好方法是找到主标题/标题 (H1) 并获取与此标题标记相同的 div 中包含的文本。

在下面的两个示例中，我将如何获取整个（父级？）div 的内容。

<div>  <----- need to get contents of this whole div (containing the h1 and likely the main body of text)
  <h1></h1>
  main body of text here
</div>

Div 可能在树的更上面。

<div> <----- need to get contents of this whole div
  <div>   
    <h1></h1>
  </div>

  <div>
    main body of text here
  </div>
</div>

在树上进一步划分。

<div> <----- need to get contents of this whole div
  <div>

    <div>   
      <h1></h1>
    </div>

    <div>
      main body …