0

例如，在使用 (getElementsByTagName) 时是否可以删除不需要的文本。

这将为我的网站获取电影的发布日期

$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);
        }
    }
}

但是发生的事情不是得到这个。

12 July 2011

相反，它得到了这个。

12 July 2011 10:47 PM, UTC

我可以添加任何代码来删除这部分也是如此。

10:47 PM, UTC
4

3 回答 3

0

You could use a regular expression to pull out the value:

preg_match('/^\d+ \w+ \d+/', $spans->item($i)->textContent, $matches);
list(, $published_date) = $matches;

Assuming the format of the date doesn't change you shouldn't have a problem. A much better idea however would be parsing it with DateTime::createFromFormat though. This should be correct:

$published_date = DateTime::createFromFormat("d M Y h:i A, e", $spans->item($i)->textContent);

Edit: Updated original code from question with recommended changes:

$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");
        }
    }
}
于 2013-10-29T13:51:34.870 回答
0

正如菲利普所说，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

我就是这样做的，尽管我不能保证在您的代码中性能更好或更方便。

于 2013-10-29T14:00:38.327 回答
0

如果您知道要获取的字符串将是一个日期，那么您可以使用 JavaScript 日期对象来格式化您希望的日期，请参阅此链接以获取更多信息：http ://www.elated.com/articles /工作日期/

于 2013-10-29T13:48:42.690 回答