PHP DOM - 特定のHTMLタグを含むテキストノードを解析する

Question

最近、HTML文書からすべてのテキストノードを解析するのに助けを受けました。次エキス使用

$doc = new DOMDocument(); 
$doc->loadHTML($contents); 
$doc->loadHTML("<p>not in the brackets..</p>"); 
$xpath = new DOMXPath($doc); 
$textnodes = $xpath->evaluate('//text()'); 

：結果のコードは、このだった

<p>This is a <b>nested <i>HTML</i> tag<b>...</p> 

を私は要素の配列を作成することができています：

Array 
(
    [0] => This is a 
    [1] => nested 
    [2] => HTML 
    [3] => tag 
    [4] => ... 
) 

私は実際にやりたい何か、ただし、すべてのテキストノードを取得することですが、特定のHTMLタグを「参照してください」にすることができます。たとえば、<i>,<b>、<u>タグを個々のノードとして解析することは望ましくありません。むしろ、前のテキストノードに結合されています。上記の配列は、理想的には、次のようになります。

Array 
(
    [0] => This is a nested HTML tag... 
) 

を一方、<p>タグは別々のノードとして認識されるべきです。だから、次のテキスト：

<p>paragraph 1 <b>here</b></p> <p>paragraph 2</b> 

理想として解析されます：

Array 
(
    [0] => paragraph 1 <b>here</b> 
    [1] => paragraph 2 

は、私はいくつかのXPathやPHP DOMについて読ん行っているが、どのように正直に、私は本当に手掛かりを持っていませんこれについて。誰かが私を正しい方向に向けることができますか？ありがとうございました。

編集

ただ、出力は配列形式でなければなりません明確にします。私の目的は、ページからすべてのテキストを解析し、翻訳ファイルで使用できるようにすることです。したがって、完全な文章をまとめるためには、構文解析されたテキストに特定のHTMLタグ（<b>など）が望ましく、新しい翻訳ファイルにマークアップをおおまかに保持する必要があります。

Answer 1

実際に分割したいものについては、「見越タグ」でstrip_tagsを使用し、許容タグの2番目のパラメータを使用することを検討してください。

Answer 2

あなたはノードを持っているし、プレーンテキストとして、それを正規化する場合：

XPATH: 'string(thenode)' 
DOM: $thenode->textContent; 

これはいないテキストノードであるすべての子ノードを無視して、単一の文字列として返します。

したがって、string(//p)のようなxp​​athは、すべての要素が削除されたプレーンテキストの段落の配列を取得します。 getElementsByTagName()を使用してDOMで同じことを行い、結果ごとにtextContentプロパティを取得することができます。

これより複雑な要件がある場合は、恒等変換でXSLを使用して、好きなほど新しいDOMツリーを生成する方がよい場合があります。例えば、（<p>のような）いくつかの最上位ノードがあり、そのサブノードのすべてではなく一部を除外したい場合（例えば、 "emとstrongを保持し、citeを上に収める）、DOMソリューションは