如何使用 dom php 解析器答案

【问题标题】：how to use dom php parser如何使用 dom php 解析器
【发布时间】：2010-10-31 22:38:17
【问题描述】：

我是 PHP 中 DOM 解析的新手：
我有一个要解析的 HTML 文件。它有一堆像这样的DIV：

<div id="interestingbox"> 
   <div id="interestingdetails" class="txtnormal">
        <div>Content1</div>
        <div>Content2</div>
   </div>
</div>

<div id="interestingbox"> 
......

我正在尝试使用 php 获取许多 div 框的内容。如何使用 DOM 解析器来执行此操作？

谢谢！

【问题讨论】：

标签： php dom html-parsing

【解决方案1】：

我使用simplehtmldom 作为开始：

$html = file_get_html('example.com');
foreach ($html->find('div[id=interestingbox]') as $result)
{
    echo $result->innertext;
}

【讨论】：

这个非常好用

【解决方案2】：

首先我必须告诉你，你不能在两个不同的 div 上使用相同的 id；有针对这一点的课程。每个元素都应该有一个唯一的 id。

获取 id="interestingbox" 的 div 内容的代码

$html = '
<html>
<head></head>
<body>
<div id="interestingbox"> 
   <div id="interestingdetails" class="txtnormal">
        <div>Content1</div>
        <div>Content2</div>
   </div>
</div>

<div id="interestingbox2"><a href="#">a link</a></div>
</body>
</html>';


$dom_document = new DOMDocument();

$dom_document->loadHTML($html);

//use DOMXpath to navigate the html with the DOM
$dom_xpath = new DOMXpath($dom_document);

// if you want to get the div with id=interestingbox
$elements = $dom_xpath->query("*/div[@id='interestingbox']");

if (!is_null($elements)) {

  foreach ($elements as $element) {
    echo "\n[". $element->nodeName. "]";

    $nodes = $element->childNodes;
    foreach ($nodes as $node) {
      echo $node->nodeValue. "\n";
    }

  }
}

//OUTPUT
[div]  {
        Content1
        Content2
}

类示例：

$html = '
<html>
<head></head>
<body>
<div class="interestingbox"> 
   <div id="interestingdetails" class="txtnormal">
        <div>Content1</div>
        <div>Content2</div>
   </div>
</div>

<div class="interestingbox"><a href="#">a link</a></div>
</body>
</html>';

//the same as before.. just change the xpath

[...]

$elements = $dom_xpath->query("*/div[@class='interestingbox']");

[...]

//OUTPUT
[div]  {
        Content1
        Content2
}

[div]  {
a link
}

有关详细信息，请参阅DOMXPath 页面。

【讨论】：

【解决方案3】：

来自http://www.sitepoint.com/forums/showthread.php?611393-php5-need-something-like-innerHTML-instead-of-nodeValue的非常好的功能

function innerXML($node) 

{ 

    $doc  = $node->ownerDocument; 

    $frag = $doc->createDocumentFragment(); 

    foreach ($node->childNodes as $child) 

    { 

        $frag->appendChild($child->cloneNode(TRUE)); 

    } 

    return $doc->saveXML($frag); 

}  


$dom = new DOMDocument(); 

$dom->loadXML(' 

<html> 

<body> 

<table> 

<tr> 

    <td id="foo">  

        The first bit of Data I want 

        <br />The second bit of Data I want 

        <br />The third bit of Data I want 

    </td> 

</tr> 

</table> 

<body> 

<html> 



'); 

$xpath = new DOMXPath($dom); 

$node = $xpath->evaluate("/html/body//td[@id='foo' ]"); 

$dataString = innerXML($node->item(0)); 
$dataArr = explode("<br />", $dataString); 

$dataUno = $dataArr[0]; 
$dataDos = $dataArr[1]; 
$dataTres = $dataArr[2]; 

echo "firstdata = $nameUno<br />seconddata = $nameDos<br />thirddata = $nameTres<br />"

【讨论】：

【解决方案4】：

WebExtractor：https://github.com/knyga/webextractor 它可以使用 css、regex、xpath 选择器解析页面。

查看包和测试示例：

使用 WebExtractor\DataExtractor\DataExtractorFactory；采用 WebExtractor\DataExtractor\DataExtractorTypes;采用 WebExtractor\Client\Client;

$factory = DataExtractorFactory::getFactory(); $提取器= $factory->createDataExtractor(DataExtractorTypes::CSS); $客户=新客户; $内容= $client->get('https://en.wikipedia.org/wiki/2014_Winter_Olympics'); $extractor->setContent($content); $h1 = $extractor->setSelector('h1')->extract();

【讨论】：