在 HTML 中获取低于先前结果的 DOMXpath 结果答案

【问题标题】：Get DOMXpath results below previous result in HTML在 HTML 中获取低于先前结果的 DOMXpath 结果
【发布时间】：2012-12-05 05:13:47
【问题描述】：

我正在尝试对外部网站的 HTML 进行排序，但不幸的是，该网站的组织非常糟糕。数据可能如下所示：

<a class="title">Title One</a>
<a class="item">Item One</a>
<a class="item">Item Two</a>

<a class="title">Title Two</a>
<a class="item">Item One</a>
<a class="item">Item Two</a>

我正在使用这样的 xpath 查询来获取标题：

$titles = $x->evaluate('//a[@class="title"]');

现在，我想列出标题及其下方的项目。不幸的是，这些元素都没有方便地包装在父 div 中，所以我不能只过滤父 div 中的所有内容。所以，我对这些项目使用这样的查询：

$titles = $x->evaluate('//a[@class="item"]');

理想情况下，我想做的只是检查当前标题元素下方的结果。所以，如果我循环并点击“标题一”，我只想检查出现在标题一和标题二之间的“项目”结果。有没有办法做到这一点？

这里不能修改 HTML。我知道这个问题有点荒谬，我的解释可能很糟糕，但如果有解决方案，它真的会帮助我！

谢谢大家。

【问题讨论】：

标签： php domdocument domxpath

【解决方案1】：

你可以先找到标题元素，然后使用->nextSibling()继续前进：

$html =<<<EOM
<a class="title">Title One</a>
<a class="item">Item One</a>
<a class="item">Item Two</a>

<a class="title">Title Two</a>
<a class="item">Item One</a>
<a class="item">Item Two</a>
EOM;

$d = new DOMDocument;
$d->loadHTML($html);
$x = new DOMXPath($d);
foreach ($x->query('//a[@class="title"]') as $node) {
    echo "Title: {$node->nodeValue}\n";
    // iterate the siblings
    while ($node = $node->nextSibling) {
       if ($node->nodeType != XML_ELEMENT_NODE) {
            continue; // skip text nodes
        }
        if ($node->getAttribute('class') != 'item') {
            // no more .item
            break;
        }
        echo "Item: {$node->nodeValue}\n";
    }
}

输出：

Title: Title One
Item: Item One
Item: Item Two
Title: Title Two
Item: Item One
Item: Item Two

【讨论】：

非常感谢，这太棒了！

【解决方案2】：

您希望选择 <a> 元素的所有后续同级元素，其中 class="title" 再次是 <a> 元素但具有 class="item" 并且具有前面的第一个同级 <a> 元素 class="title" 是您开始查看的确切第一个元素。

例如例如，在 xpath 中，您正在寻找第一个 title 元素：

//a[class="title"][1]

对于该元素，item 元素如下：

//a[@class="title"][1]
    /following-sibling::a[
      @class="item" 
      and preceding-sibling::a[@class="title"][1] 
          = //a[@class="title"][1]
    ]

如果你想在代码中使用它，你可以通过为标题元素创建一个相对表达式并使用DOMelement::getNodePath()：

$titles = $xp->query('//a[@class="title"]');
foreach ($titles as $title)
{
    echo $title->nodeValue, ":\n";
    $query = './following-sibling::a[@class="item" and 
              preceding-sibling::a[@class="title"][1] = ' .
              $title->getNodePath() . ']';
    foreach ($xp->query($query, $title) as $item)
    {
        echo ' * ', $item->nodeValue, "\n";
    }    
}

输出：

Title One:
 * Item One
 * Item Two
Title Two:
 * Item Three
 * Item Four

【讨论】：