本文介绍如何通过 XPath 表达式 *|text() 同时获取 HTML 元素内的子标签和相邻的纯文本节点，解决“文本不在标签内却需按顺序提取”的常见解析需求。
本文介绍如何通过 xpath 表达式 `*|text()` 同时获取 html 元素内的子标签和相邻的纯文本节点，解决“文本不在标签内却需按顺序提取”的常见解析需求。
在使用 PHP 的 DOMDocument 和 DOMXPath 解析 HTML 时，一个典型难点是：当目标元素（如 <p></p>）中包含混合内容——即纯文本（text nodes）与嵌套标签（如 <span></span>、<img alt="如何使用 PHP DomXPath 提取标签内独立的纯文本节点" >）交错出现时，仅用 *（匹配所有子元素）会忽略那些未被标签包裹的文本内容。
例如，对于如下 HTML 片段：
<p> Example Text 1 <span> Text </span> Example Text 2 <img src="example.png" alt="如何使用 PHP DomXPath 提取标签内独立的纯文本节点" > </p>
执行 $xpath->evaluate("*", $object) 仅返回 <span></span> 和 <img alt="如何使用 PHP DomXPath 提取标签内独立的纯文本节点" > 两个 DOMElement 节点，而 "Example Text 1" 和 "Example Text 2"（属于 DOMText 节点）会被完全跳过——因为它们不是元素节点（element），而是文本节点（text node）。
✅ 正确做法是扩展 XPath 表达式，显式包含文本节点：
立即学习“PHP免费学习笔记（深入）”；
$subObjects = $xpath->evaluate("*|text()", $object);该表达式含义为：*匹配当前节点的所有子元素（`）或所有直接子文本节点（text()`）**。注意：
-
text()仅匹配直接子级的文本节点（不递归），符合语义预期； -
*|text()返回的是混合类型的DOMNodeList，其中既含DOMElement，也含DOMText； - 遍历时需判断节点类型以安全提取内容：
foreach ($subObjects as $node) {
if ($node instanceof DOMText) {
echo "Text: '" . trim($node->textContent) . "'\n";
} elseif ($node instanceof DOMElement) {
echo "Tag: <" . $node->tagName . "> (content: '" . trim($node->textContent) . "')\n";
}
}
// 输出顺序与 HTML 中实际排列一致：
// Text: 'Example Text 1'
// Tag: <span> (content: ' Text ')
// Text: 'Example Text 2'
// Tag: <img alt="如何使用 PHP DomXPath 提取标签内独立的纯文本节点" > (content: '')⚠️ 注意事项：
-
text()不匹配空白换行符组成的纯空白文本节点（如<p>\n <span>...</span>\n</p>中的\n），但textContent默认会保留前后空格；建议用trim()清理； - 若需排除空白文本节点，可改用更精确的 XPath：
*|text()[normalize-space()]； -
DOMXPath::evaluate()返回的DOMNodeList是有序且按文档流排列的，因此无需额外排序即可保证“文本→标签→文本→标签…”的原始结构还原。
总结：*|text() 是处理混合内容（mixed content）的标准 XPath 模式，在 PHP DOM 解析中简洁高效。它让开发者能以统一方式遍历整个子节点序列，真正实现“把文本当节点一样对待”，是构建健壮 HTML 提取逻辑的关键技巧。
