提取文本
问题描述：
我有以下脚本，除了两件事情，作品几乎罚款：提取文本
- 我仍然有unknows标记，如
<note>，<to>，或者<?xml version="1.0" encoding="ISO-8859-1"?> - 我也有JavaScript的脚本，我试图用
//text()[not(self::script)]它们排除在外，但这打破了XPath的
脚本：
$contents = file_get_contents("http://www.w3schools.com/php/php_xml_dom.asp");
$dom = new DOMDocument();
@$dom->loadHTML($contents);
$dom->preserveWhiteSpace = false;
$xpath = new DOMXPath($dom);
// see http://www.w3schools.com/xpath/xpath_syntax.asp
$hrefs = $xpath->evaluate("//text()");
for ($i = 0; $i < $hrefs->length; $i++)
echo $hrefs->item($i)->nodeValue;
您是否有更好的解决方案从网页中提取文本？
注：我可以简单地使用strip_tags，但我想坚持使用DOMDocument。