php - 解析HTML进行修剪

假设我有以下代码：

<div class="content">
    <h3>Test</h3>
    <img src="#" alt="" />
    <p>Lorem ipsum</p>
    <p>dolor sit</p>
    <p><!-- pagebreak --></p>
    <p>amet</p>
</div>

我想修剪我的代码并在pagebreak之后删除所有内容，但是要保持html逻辑（</div>）：

<div class="content">
    <h3>Test</h3>
    <img src="#" alt="" />
    <p>Lorem ipsum</p>
    <p>dolor sit</p>
</div>

工具：Zend，普通PHP。
有什么想法吗？

最佳答案

可以使用xpath访问这些节点，如下所示：

$doc = new DOMDocument;
$doc->loadHTML($html); // your content with a between '<html></html>' pair
$xpath = new DOMXpath($doc);
$elements = $xpath->query('//p[contains(comment(), "pagebreak")]/following-sibling::*|//p[contains(comment(), "pagebreak")]');
foreach ($elements as $elem) {
    $elem->parentNode->removeChild($elem);
}

print $doc->saveHTML();

对xpath的一点分解：
//p每个p元素。
//p[]过滤p的列表，就像它是数组一样。
//p[contains（comment（），“pagebreak”）]如果其comment（）值包含“pagebreak”字符串，则筛选器为。
//p[contains（comment（），“pagebreak”）]/following sibling:：*已选择p的every following sibling。
另一部分只是一个具有相同模式的并集（|），没有following-sibling::*部分。
编辑：
一个可能不那么毛茸茸的xpath是：
//p[包含（comment（），“pagebreak”）]/前一个同级：：*[1]/后一个同级：：*
这样做的诀窍是退后兄弟列表中的一个（此时目标是注释前的<p>），并使该节点的following-siblings::*

PageBreak

php - 解析HTML进行修剪