php - PHP 中的 XPath : Get all text nodes, 导航除外

Question

我正在为一些非常糟糕的 HTML 编写自定义解析器/数据提取器。

改变 HTML 是不可能的。

我不会向您详细说明我必须跳过的障碍，但我现在已经非常接近我最初的目标了。我结合使用 DOMDocument getElementByName、正则表达式替换(我知道，我知道...)和 XPath 查询。

我需要从文档正文中取出所有文本。我希望导航仍然是一个单独的实体，至少在抽象上如此。这是我现在正在做的事情:

$contentnodes = $xpath->query("//body//*[not(self::a)]/text()|//body//ul/li/a");

foreach ($contentnodes as $contentnode) {    
    $type      = $contentnode->nodeName;
    $content   = $contentnode->nodeValue;

    $output[] = array( $type, $content);
}

这是可行的，除了它当然会以不同方式处理页面上的所有链接，我只希望它对导航这样做。

我可以使用什么 XPath 语法，以便在该查询的第一部分，在 | 之前，我告诉它获取 body 的所有文本节点' s child except ul > li > a。

请注意，我不能依赖 p 标签或 h1 标签或任何类似的合理内容来对内容进行有根据的猜测。

谢谢

更新:@hr_117 下面的回答有效。我还发现您可以像这样使用多个 not 语句:

//body//text()[not(parent::a/parent::li/parent::ul)][not(parent::h1)]

Answer 1

你可以尝试这样的事情:

//body//text()[not(parent::a/parent::li/parent::ul)]|//body//ul/li/a