如何使用 DOMDocument 获取子元素？答案

【问题标题】：How to use DOMDocument to get child elements?如何使用 DOMDocument 获取子元素？
【发布时间】：2013-05-19 13:00:41
【问题描述】：

我正在尝试使用 PHP DOM 获取子元素的文本。

具体来说，我试图只获取每个 <tr> 中的第一个 <a> 标记。

HTML 是这样的……

<table>
<tbody>
    <tr>
        <td>
            <a href="#">1st Link</a>
        </td>
        <td>
            <a href="">2nd Link</a>
        </td>
        <td>
            <a href="#">3rd Link</a>
        </td>
    </tr>

    <tr>
        <td>
            <a href="#">1st Link</a>
        </td>
        <td>
            <a href="#">2nd Link</a>
        </td>
        <td>
            <a href="#">3rd Link</a>
        </td>
    </tr>
</tbody>
</table>

我对它的可悲尝试涉及使用 foreach() 循环，但在 $aVal 上执行 print_r() 时只会返回 Array()。

$dom = new DOMDocument();
libxml_use_internal_errors(true);       
$dom->loadHTML(returnURLData($url));
libxml_use_internal_errors(false);
    
$tables = $dom->getElementsByTagName('table');
$aVal = array();

foreach ($tables as $table) {
    foreach ($table as $tr){
        $trVal = $tr->getElementsByTagName('tr');
        foreach ($trVal as $td){
            $tdVal = $td->getElementsByTagName('td');
            foreach($tdVal as $a){
                $aVal[] = $a->getElementsByTagName('a')->nodeValue;
            }
        }
    }
}

我是在正确的轨道上还是完全偏离了轨道？

【问题讨论】：

标签： php loops html-table domdocument

【解决方案1】：

您没有设置 $trVal 和 $tdVal 而是循环它们？

【讨论】：

我更改代码时忘记切换这些...谢谢！（但它并没有解决问题）

【解决方案2】：

把这段代码放在test.php中

require 'simple_html_dom.php';
$html = file_get_html('test1.php');
foreach($html->find('table tr') as $element)
{
    foreach($element->find('a',0) as $element)
    {
        echo $element->plaintext;
    }
}

把你的html代码放到test1.php中

<table>
    <tbody>
        <tr>
            <td>
                <a href="#">1st Link</a>
            </td>
            <td>
                <a href="">2nd Link</a>
            </td>
            <td>
                <a href="#">3rd Link</a>
            </td>
        </tr>

        <tr>
            <td>
                <a href="#">1st Link</a>
            </td>
            <td>
                <a href="#">2nd Link</a>
            </td>
            <td>
                <a href="#">3rd Link</a>
            </td>
        </tr>
    </tbody>
</table>

【讨论】：

【解决方案3】：

我很确定我迟到了，但更好的方法应该是使用 getElementByTagName 遍历所有“tr”，然后在遍历收到的节点列表中的每个节点时使用 getElementByTagName“a”。现在不需要遍历 nodeList 指出 item(0) 收到的第一个元素。而已！另一种方法是使用 xPath。

我个人不喜欢 SimpleHtmlDom，因为它在需要小功能的地方使用了许多额外的附加功能。在大量抓取的情况下，内存管理问题也会阻碍您，如果您自己进行 DOM 分析而不是依赖第三方应用程序会更好。

只是我的意见。甚至我最初使用 SHD，但后来意识到这一点。

【讨论】：