Symfony DomCrawler 链接包含搜索到的 HTML答案

【问题标题】：Symfony DomCrawler link contains searched HTMLSymfony DomCrawler 链接包含搜索到的 HTML
【发布时间】：2017-03-31 22:57:26
【问题描述】：

这是我在空闲时间做的一个项目，以帮助减少我在公司重复点击所花费的时间，所以我希望它没有冒犯或被禁止。

Page to be scraped

我只想要第二个链接的 URI，因为它是精确的搜索匹配。第一个还包含 -V1331 后缀。

错误：

<a href="http://pdb2.turck.de/en/DE/products/0000000000011ba40002003a">
    <strong> Product&nbsp;BI1-EH04-AP6X-V1331</strong> (HTML, 48.7K)<br>
    Product&nbsp;<strong>BI1-EH04-AP6X-V1331</strong> 
    Click to enlarge Inductive sensor Order number: &nbsp;4608440 Smooth barrel, Ø 4 mm Stainless steel, 1.4427 SO DC 3-wire, 10…30 VDC NO contact, PNP
</a>

对：

<a href="http://pdb2.turck.de/en/DE/products/000000000001ecee0003003a">
    <strong> Product&nbsp;BI1-EH04-AP6X</strong> (HTML, 48.6K)<br>
    Product&nbsp;<strong>BI1-EH04-AP6X</strong> 
    Click to enlarge Inductive sensor Order number: &nbsp;4609540 Smooth barrel, Ø 4 mm Stainless steel, 1.4427 SO DC 3-wire, 10…30 VDC NO contact, PNP output
</a>

我试过这个：

$search = 'BI1-EH04-AP6X';
$crawler = Goutte::request('GET', 'http://www.turck.de/en/search.php?q_simple=' . $search);
return $crawler->selectLink(' Product&nbsp;' . $search)->link()->getUri();

但是，这显然失败了，因为<a> 元素内有很多 HTML，因此没有匹配到链接。

请不要与 Laravel 的 Goutte facade 混淆，它是 Symfony Dom Crawler 方法。

如何获取第二个链接的URI？是否有匹配链接的方法，如果它包含搜索 HTML sn-p（在我们的例子中为 > Product&nbsp;BI1-EH04-AP6X<）？

【问题讨论】：

标签： html symfony domcrawler

【解决方案1】：

我通过试验 XPath 帮助程序扩展和下面提到的 SO 页面中的信息找到了答案。

Locating the node by value containing whitespaces using XPath

$search = 'BI1-EH04-AP6X';
$crawler = Goutte::request('GET', 'http://www.turck.de/en/search.php?q_simple=' . $search);
$crawler->filterXPath('//strong[normalize-space(text())="' . $search . '"]')->each(function ($node) {
print $node->parents()->link()->getUri()."\n";
});

它确实需要更多优化，但现在还可以。

【讨论】：