我正在使用PHP解析Wordpress提供给我的HTML。
这是一篇帖子的PHP返回了我的Wordpress:
<p>Test</p>
<p>
<img class="alignnone size-thumbnail wp-image-39" src="img.png"/>
</p>
<p>Ok.</p>
这是我的解析函数（还有调试）：
function get_parsed_blog_post()
{
$html = ob_wp_content(false);
print_r(htmlspecialchars($html));
echo '<hr/><hr/><hr/>';
$parse = new DOMDocument();
$parse->loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
$xpath = new DOMXpath($parse);
$ps = $xpath->query('//p');
foreach ($ps as $p)
{
$imgs = $p->getElementsByTagName('img');
print($imgs->length);
echo '<br/>';
if ($imgs->length > 0)
{
$p->setAttribute('class', 'image-content');
foreach ($imgs as $img)
{
$img->removeAttribute('class');
}
}
}
$htmlFinal = $parse->saveHTML();
print_r(htmlspecialchars($htmlFinal));
echo '<hr/><hr/><hr/>';
return $htmlFinal;
}
此代码的目的是删除Wordpress添加到<img>的类，并将任何包含图像的<p>设置为image-content的类。
这个返回：
1
1
0
<p class="image-content">Test
<p class="image-content">
<img src="img.png">
</p>
<p>Ok.</p></p>
不知怎的，它将第一次出现的<p>包裹在我解析的整个帖子中，导致第一个<p>错误地应用了image-content类。为什么会发生这种情况？我该如何阻止它？
方法1
至于使用您的代码，我已经做了一些更改以使其正常工作。
若您打印出每个$p，您将能够看到第一个元素将包含所有HTML。最简单的解决方案是在HTML之前添加一个空白的<p>，并在foreach时跳过它。
function get_parsed_blog_post()
{
$page_content_html = ob_wp_content(false);
$html = "<p></p>".$page_content_html;
print_r(htmlspecialchars($html));
echo '<hr/><hr/><hr/>';
$parse = new DOMDocument();
$parse->loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
$xpath = new DOMXpath($parse);
$ps = $xpath->query('//p');
$i = 0;
foreach ($ps as $p)
{
if($i != 0) {
$imgs = $p->getElementsByTagName('img');
print($imgs->length);
echo '<br/>';
if ($imgs->length > 0)
{
$p->setAttribute('class', 'image-content');
foreach ($imgs as $img)
{
$img->removeAttribute('class');
}
}
}
$i++;
}
$htmlFinal = $parse->saveHTML();
print_r(htmlspecialchars($htmlFinal));
echo '<hr/><hr/><hr/>';
return $htmlFinal;
}
总执行时间（以秒为单位）：0.0003499987412109
方法2
这个问题是由LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD引起的（它也将第一个<p>作为父级），但您可以在没有这个的情况下删除文档标记。所以，你可以在这里这样做：
function get_parsed_blog_post()
{
$page_content_html = ob_wp_content(false);
$doc = new DOMDocument();
$doc->loadHTML($page_content_html);
foreach($doc->getElementsByTagName('p') as $paragraph) {
$imgs = $paragraph->getElementsByTagName('img');
if ($imgs->length > 0)
{
$paragraph->setAttribute('class', 'image-content');
foreach ($imgs as $img)
{
$img->removeAttribute('class');
}
}
}
/* REMOVING DOCTYPE, HTML AND BODY TAGS */
// Removing DOCTYPE
$doc->removeChild($doc->doctype);
// Removing HTML tag
$doc->replaceChild($doc->firstChild->firstChild, $doc->firstChild);
// Removing Body Tag
$html = $doc->getElementsByTagName("body")->item(0);
$fragment = $doc->createDocumentFragment();
while ($html->childNodes->length > 0) {
$fragment->appendChild($html->childNodes->item(0));
}
$html->parentNode->replaceChild($fragment, $html);
$htmlFinal = $doc->saveHTML();
print_r(htmlspecialchars($htmlFinal));
echo '<hr/><hr/><hr/>';
return $htmlFinal;
}
总执行时间（秒）：0.00026822090148926