php DomDocument::loadHTML() 致使js文本中的标签丢失

时间 2019-11-10

标签 php domdocument loadhtml 致使文本标签丢失栏目 PHP 繁體版

原文原文链接

项目需求，使用domDocument操做节点树

很少说，直接上贴代码javascript

<?php
$content = file_get_contents('tpl2.html');
$dom = new \DOMDocument();
$dom->loadHTML(html_entity_decode($content));
$body = $dom->getElementsByTagName('body')[0];
var_dump($body->textContent);
die;

<!-- tpl2.html -->
<!DOCTYPE html>
<html>
 <head>
  <meta http-equiv="Content-Type" content="text/html; charset=utf-8"> 
 </head> 
 <body>
  <script type="text/javascript">
    var abc = '<div>123<p></p></div>';
  </script> 
 </body>
</html>

提取body中的全部文本内容，却发现提取的文本丢失php

// 理想状态应该是这样的
    var abc = '<div>123<p></p></div>';

最后的解决办法
普通玩法：
正则提取出来，并使用易标识方法（例如<script>xxx</script>替换成<ssssss></ssssss>）暂时替换，后续完成节点更改再使用正则换回来html

高级玩法（目前知道的）：
仍是正则，只不过法子变了，用preg_replace_callback()java