PHP - 用于节点遍历 DOM 以获取特定标签的正则表达式/函数答案

【问题标题】：PHP - Regex/Function for Node Traversing DOM to get specific tagPHP - 用于节点遍历 DOM 以获取特定标签的正则表达式/函数
【发布时间】：2022-06-23 02:22:37
【问题描述】：

我正在使用 Goutte 通过 PHP 抓取 URL。

我想在这个标签之后保存一个列表<ul>...</ul>： Maladies fréquentes :

DOM 看起来像这样的结构：

<p>....</p>
<p>....</p>
<p>....</p>
<p>....</p>
...
<h2>...</h2>
...
<ul>...</ul>
...
<p><strong>Maladies fréquentes :</strong></p>
<ul>
<li>Text I need</li>
<li>Text I need</li>
</ul>
...
<p></p>
<p></p>
...

实际上，我使用:first-of-type 保存到我的数据库中

$crawler->filter('.desc ul:first-of-type li')->each(function ($node) use (&$out) {

   $li = array();

   if ($node->count() > 0) {
        $li[] = str_replace('"', "'", trim($node->filter('li')->text()));
   }

   // Insert into DV

}

当内容包含2个或3个<ul>...</ul>时总是保存错误的li，因为所有的ul都被选中了。

如何在Maladies fréquentes : 之后只选择<ul>？

谢谢！

【问题讨论】：

标签： php web-crawler nodes goutte

【解决方案1】：

对Goutte不太了解，但相信你可以将爬虫对象加载到DomDocument中，然后用xpath解析。比如：

$doc = new DOMDocument();    
$doc->loadHTML($crawler);
#or possibly: $doc->loadHTML((string)$crawler);
$xpath = new DOMXPath($doc);
$targets = $xpath->query('//p[strong]/following-sibling::ul[1]//li');
foreach ($targets as $source) {
    echo($source->nodeValue."\r\n");
};

输出应该是

Text I need
Text I need

【讨论】：