主要处理 嵌套 div，正则无法很好的处理清洗
比如文本： 想要移除 class =quizPutTag 的div ，内部可能嵌套的还有未知层级的div【前提是html文本段是闭合标签的】
这是<div>test<div class="quizPutTag">test</div><div class="quizPutTag">H<sub>2</sub>C<sub>2</sub>O<sub>4</sub>•2H<sub>2</sub>O<span dealflag="1" class="MathJye" mathtag="math" style="whiteSpace:nowrap;wordSpacing:normal;wordWrap:normal"><table cellpadding="-1" cellspacing="-1" style="margin-right:1px"><tbody><tr><td style="border-bottom:1px solid black;padding-bottom:1px;font-size:90%"><table style="margin-right: 1px" cellspacing="-1" cellpadding="-1"><tbody><tr><td> △ </td></tr><tr><td style="font-size: 90%"><div style="border-top:1px solid black;line-height:1px">.</div></td></tr></tbody></table></td></tr><tr><td> </td></tr></tbody></table></span>CO↑+CO<sub>2</sub>↑+3H<sub>2</sub>O↑</div>保留的</div>
实现code
<?php include "./simple_html_dom.php"; $output=""; $input=fgets(fopen($argv[1],‘r‘)); echo $input."\n\n"; $html = new simple_html_dom(); $html->load(‘<html><body>‘.$input.‘</body></html>‘); $divsq = $html->find(‘div.quizPutTag‘); $divsa = $html->find(‘div.sanwser‘); $output=str_replace($divsq,‘___‘,$input); $output=str_replace($divsa,‘‘,$output); echo $divs[0]."\n"; echo $html."\n"; $html->clear(); echo $output."\n"; ?>
simple_html_dom.php
时间： 2024-08-05 04:53:59