使用 XPath 获取直接子级的文本

Question

我有这部分 HTML 需要解析：

<p>
    names: <strong><i>John</i>, <i>Mark</i></strong>
    <br>
    occupation: <strong>actor</strong>
    <br>
</p>

我正在使用 Symfony Dom Crawler 来解析几个页面。 我需要<p>的直接子级的文本内容。 使用我的例子，我想得到的结果是：

[
    'names:',
    'John, Mark',
    'occupation:',
    'actor',
]

我不知道要使用什么 XPath。 我不认为我可以使用 CSS 选择器，因为它完全忽略了文本节点。 这是我尝试过的：

$items = $crawler
    ->filter('p')
    ->filterXPath('//text()')
    ->extract(['_text']);

这显然是错误的，因为它需要所有文本节点，无论它们在哪里。 我得到的结果是：

[
    'names:',
    'John',
    ',',
    'Mark',
    '',
    'occupation:',
    'actor',
    '',
    '',
]

如何获取直接孩子的文本内容？

编辑

我设法通过//p/text()|//p/*选择器获得了我需要的东西，但我仍在寻找优化版本，其中：

1. 未明确使用父选择器p ，因为在我的真实示例中，父选择器更复杂。 我不明白为什么/text()|/*不起作用。
2. 如果可能，最好从选择器中跳过<br> 。 我目前只是在提取后过滤掉空文本内容。

Answer 1

我不知道那个库，也没有 PHP 或那个库来测试，但通过https://symfony.com/doc/current/components/dom_crawler.html#expression-evaluation对我来说听起来好像你想要

$crawler
->filter('p')
->filterXPath('p/node()')
->evaluate('normalize-space()')

应该选择p元素，那么任何子节点p元素，然后返回任何这些子节点的归一化的字符串值。

根据空白的处理方式，可能需要使用->filterXPath('p/node()')来避免返回的其他文本字符串之间出现空字符串。