计算HTML文档中可见文本的出现次数

Question

我正在尝试计算由curl请求返回的HTML文档中字符串的出现次数。我通常会用substr_count来做到这一点，但我希望只匹配用户可见的文本（在浏览器加载的页面中看到的文本），而不是来源中的所有匹配。作为一个例子，遇到以下段落：

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

搜索字符串“榜样”，我希望到这里算一次发生，因为类的名字应该从计数被省略。我目前使用DOMXpath来解析HTML文档的其他部分，所以我看着使用它用于此目的，以及使用：

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

，我发现其他人使用查找文档中的文本，但是这似乎也计数标签内的发现。有没有一种方法可以只依赖用户可见的文本？我想指出，用户可见仅仅意味着文本不是元数据，属性等的一部分。如果组件的样式不可见，但会产生可见的文本，则应对该文本进行计数。例如：

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

仍然应该如前所述统计一次。

编辑

strip_tags将处理我已经表明了实例。有没有办法处理在脚本等内找到的实例？以下不应归属于计数：

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

Answer 1

一个简单的方法是删除标记。

$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