PHP：简单的 HTML Dom 解析器 - 解析带有标题/不均匀正文行的 HTML 表格

Question

我有一个格式如下的 HTML 表格： 如您所见，第一个 Header 1 有一个 Row 1 与之关联。第二个 Header 2 有两行 - 第 2 行、第 3 行与其关联。标题 3 具有与之关联的第 4 行、第 5 行、第 6 行。

<table>
<thead>
    <tr>
        <th>Header 1</th>
    </tr>
</thead>
<tbody>
        <tr>
            <td>
                Row 1
            </td>
        </tr>
</tbody>
<thead>
    <tr>
        <th>Header 2</th>
    </tr>
</thead>
<tbody>
        <tr>
            <td>
                Row 2
            </td>
        </tr>
        <tr>
            <td>
                Row 3
            </td>
        </tr>

</tbody>
<thead>
    <tr>
        <th>Header 3</th>
    </tr>
</thead>
<tbody>
        <tr>
            <td>
                Row 4
            </td>
        </tr>
        <tr>
            <td>
                Row 5
            </td>
        </tr>
        <tr>
            <td>
                Row 6
            </td>
        </tr>
</tbody>

我想使用 PHP Simple HTML Dom 解析器来获取以下数据：

Header 1, Row 1
Header 2, Row 2, Row 3
Header 3, Row 4, Row 5, Row 6

当我使用解析器获取标签时，它们都存储在一个数组中。当我执行 foreach 循环时，所有其他标签都存储在另一个数组中。循环时如何保留标题与行的关联？

Answer 1

您可以使用标准的 DOMDocument 接口来执行此操作。如果您的 HTML 存储在变量 $html 中，请执行以下操作：

$dom = new DOMDocument();
$dom->loadHTML($html);
foreach ($dom->getElementsByTagName('tr') as $row) {
    if ($row->parentNode->tagName === 'thead') $arr[] = [];
    $arr[count($arr)-1][] = trim($row->textContent);
}

上面运行后，变量$arr会有这样的内容：

[
    ['Header 1', 'Row 1'],
    ['Header 2', 'Row 2', 'Row 3'],
    ['Header 3', 'Row 4', 'Row 5', 'Row 6']
]

Answer 2

如果没有看到您现有的 php 代码，很难确切地说出如何更改您所拥有的。但是这样的事情适用于您的用例：

//Assuming $html has been set to your html block
$heads = $html->find('thead');
$result = array();

foreach($heads as $head){
    $headerText = $head->find('th')[0]->innerText;
    $result[$headerText] = array();
    $rows = $head->next_sibling()->find('td');
    foreach($rows as $row){
        $result[$headerText][] = $row->innerText;
    }
}

//Output
foreach($result as $header => $rows){
    echo $header . ': ' . implode(',', $rows);
}

一些警告，上面是您想要做的一个简单示例。这是一个相当幼稚的实现。例如。它假定给定的thead 永远只有1 个th。

另外，如果回显它确实是您想要做的，那么直接在解析循环中回显会更有效。我将输出分开，因为我假设您要做的不仅仅是将其打印到屏幕上。

请注意，使用本机 dom 解析器执行此类操作相当简单，我假设您出于其他原因需要使用简单的 html dom。