php - 从 HTML 页面中提取所有文本而不丢失上下文

Question

对于翻译程序，我试图从 HTML 文件中获取 95% 准确的文本，以便翻译句子和链接。

例如：

<div><a href="stack">Overflow</a> <span>Texts <b>go</b> here</span></div>

应该给我 2 个翻译结果：

Overflow

Texts <b>go</b> here

有任何建议或商业软件包可用于此问题吗？

Answer 1

我不确定你在问什么，但看看simplehtmldom。特别是该首页上快速启动下的“从 HTML 中提取内容”选项卡（无法直接链接，叹息）。有了它，您可以提取网站的文本，而无需所有那些讨厌的标签。