例如,
在使用(getElementsByTagName)时是否可以删除不需要的文本。
这将获取我的网站的电影的发布日期
$spans = $dom->getElementsByTagName('span');
for($i=0; $i <$spans-> length; $i++){
$itemprop = $spans->item($i)->getAttribute("itemprop");
if ($itemprop == "datePublished"){
if ($spans->item($i)->textContent!='-'){
$res['published'] = trim($spans->item($i)->textContent);
}
}
}
但发生的事情不是得到这个。
12 July 2011
它反而得到了这个。
12 July 2011 10:47 PM, UTC
我可以添加的任何代码来删除这部分也是如此。
10:47 PM, UTC
您可以使用正则表达式来提取值:
preg_match('/^'d+ 'w+ 'd+/', $spans->item($i)->textContent, $matches);
list(, $published_date) = $matches;
假设日期的格式没有改变,你应该没有问题。然而,一个更好的主意是使用 DateTime::createFromFormat 解析它。这应该是正确的:
$published_date = DateTime::createFromFormat("d M Y h:i A, e", $spans->item($i)->textContent);
编辑:更新了问题的原始代码,并进行了建议的更改:
$spans = $dom->getElementsByTagName('span');
for($i=0; $i < $spans->length; $i++){
$itemprop = $spans->item($i)->getAttribute("itemprop");
if ($itemprop == "datePublished"){
if ($spans->item($i)->textContent!='-'){
$text_content = trim($spans->item($i)->textContent);
$published_date = DateTime::createFromFormat("d M Y h:i A, e", $text_content);
$res['published'] = $published_date->format("d M Y");
}
}
}
如果您知道要获取的字符串将是日期,那么您可以使用 JavaScript Date 对象根据需要设置日期格式,请参阅此链接以获取更多信息:http://www.elated.com/articles/working-with-dates/
正如 Philip 提到的,您可以使用正则表达式。
$pattern = "#([0-9]{2} [a-zA-Z]* [0-9]{4})#i
$subject = "12 July 2013 10:47PM, UTC";
preg_match($pattern, $subject, $matches);
echo $matches[0]; // will find first match
这就是我的做法,尽管我不能保证您的代码中什么性能更高或更方便。