PHP 简单 HTML DOM 解析器 : how to get contents of the parent div containing

Question

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

要做到这一点，我能想出的最好方法是找到主标题/标题 (H1) 并将文本包含在与此标题标记相同的 div 中。

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 可能在树的更上层。

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

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

在树上进一步展开。

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

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

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

  </div>
</div>

然后我可以比较每个的大小，并确定主要的 div。

Answer 1

您可以使用 parent 获取 h1 的父元素:

# assuming that the <h1> element is the first <h1> on the page:
$div = $html->find('h1', 0)->parent();