Wie kann ich Tag-Namen entfernen, aber den inneren HTML-Inhalt mit DOMDocument belassen? ⇐ Php

[Guest]

Ich habe ein furchtbar geformtes HTML, dank MS Word 10 „Speichern unter HTM, HTML“. Hier ist ein Beispiel dessen, was ich zu desinfizieren versuche.

Code: Select all

Pros and Cons of a Website
 
(this is a sample of what it uses as line breaks. Take note of the  tag).

A SAMPLE TEXT

...same pattern in div 1
...same...

Was ich von all dem brauche, ist:

Code: Select all

...A SAMPLE TEXT
...same pattern in div 1
...same...

Was ich bisher habe:

Code: Select all

$dom = new DOMDocument;
$dom->loadHTML($filecontent, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
$xpath = new DOMXPath($dom);
$body = $xpath->query('//html/body');
$nodes = $body->item(0)->getElementsByTagName('*');
foreach ($nodes as $node) {
if($node->tagName=='script') $node->parentNode->removeChild($node);
if($node->tagName=='a') continue;
$attrs = $xpath->query('@*', $node);
foreach($attrs as $attr) {
$attr->parentNode->removeAttribute($attr->nodeName);
}
}
echo str_ireplace(['', ''], '', $dom->saveHTML($body->item(0)));

Es gibt mir:

Code: Select all

Pros and Cons of a Website
 

A SAMPLE TEXT

...same pattern in div 1
...same...

Womit ich gut zurechtkomme, aber ich möchte das Body-Tag entfernen. Ich möchte auch h1 und den Inhalt haben, aber wenn ich sage:

Code: Select all

if($node->tagName=='script' || $node->tagName=='h1') $node->parentNode->removeChild($node);

Etwas Seltsames passiert:

Code: Select all

 
 becomes 
 

Ich bin auf einige sehr gute Antworten gestoßen, wie zum Beispiel:

• Wie bekomme ich innerHTML von DOMNode? (Haim Evgis Antwort, ich weiß nicht, wie ich sie richtig umsetzen soll, Keyacoms Antwort auch), Marco Marsalas Antwort kommt mir am nächsten, aber die Divs haben alle ihre Klassen behalten.