計算HTML文檔中可見文本的出現次數

Question

我正在嘗試計算由curl請求返回的HTML文檔中字符串的出現次數。我通常會用substr_count來做到這一點，但我希望只匹配用戶可見的文本（在瀏覽器加載的頁面中看到的文本），而不是來源中的所有匹配。作爲一個例子，遇到以下段落：

<p class="example">example</p> 

搜索字符串「榜樣」，我希望到這裏算一次發生，因爲類的名字應該從計數被省略。我目前使用DOMXpath來解析HTML文檔的其他部分，所以我看着使用它用於此目的，以及使用：

$xpath->query("//text()[contains(., 'example')]"); 

，我發現其他人使用查找文檔中的文本，但是這似乎也計數標籤內的發現。有沒有一種方法可以只依賴用戶可見的文本？我想指出，用戶可見僅僅意味着文本不是元數據，屬性等的一部分。如果組件的樣式不可見，但會產生可見的文本，則應對該文本進行計數。例如：

<p class="example" style="visibility:hidden">example</p> 

仍然應該如前所述統計一次。

編輯

strip_tags將處理我已經表明了實例。有沒有辦法處理在腳本等內找到的實例？以下不應歸屬於計數：

<script type="text/javascript">var example = 1 ....other stuff....</script> 

Answer 1

一個簡單的方法是刪除標記。

$str = '<p class="example">example</p> 
<p class="example" style="visibility:hidden">example</p> 
<script type="text/javascript">var example = 1 
....other stuff.... 
</script>'; 

$arr = explode(PHP_EOL, $str); 

for($i = 0; $i < count($arr); $i++){ 

    if(strpos($arr[$i], "hidden") !== false){ 
     // remove hidden tag 
     unset($arr[$i]); 
    }else if(strpos($arr[$i], "<script") !== false){ 
     while(strpos($arr[$i], "</script") === false){ 
      // remove the scripts from the html. 
      unset($arr[$i]); 
      $i++; 
     } 
     unset($arr[$i]); // and remove the last line with "</script" 
    } 
} 
$str = implode(PHP_EOL, $arr); 

Echo substr_count(strip_tags($str), "example"); 

https://3v4l.org/d4JN5