将 <li> 内文附加到 php url scraper 结果答案

【问题标题】：Append <li> innertext to php url scraper results将 <li> 内文附加到 php url scraper 结果
【发布时间】：2021-01-06 08:30:53
【问题描述】：

我在一页上有一个链接列表：

<li><span><a href="https://site1.com">site1.com</a> : Description 1</span></li>
<li><span><a href="https://site2.com">site2.com</a> : Description 2</span></li>
<li><span><a href="https://site3.com">site3.com</a> : Description 3</span></li>
<li><span><a href="https://site4.com">site4.com</a> : Description 4</span></li>

我正在使用 php 从一个页面获取链接并将它们显示在另一个页面上：

<?php
$urlContent = file_get_contents('https://www.example.com/');

$dom = new DOMDocument();
@$dom->loadHTML($urlContent);
$xpath = new DOMXPath($dom);
$hrefs = $xpath->evaluate("/html/body//a");

for($i = 0; $i < $hrefs->length; $i++){
    $href = $hrefs->item($i);
    $url = $href->getAttribute('href');
    $url = filter_var($url, FILTER_SANITIZE_URL);
    if(!filter_var($url, FILTER_VALIDATE_URL) === false){
        echo '<a href="'.$url.'">'.$url.'</a><br />';
    }
}
?>

但是，我想弄清楚的是如何在链接旁边包含说明。这是我的众多尝试之一：

<?php
$urlContent = file_get_contents('https://www.example.com');

$dom = new DOMDocument();
@$dom->loadHTML($urlContent);
$xpath = new DOMXPath($dom);
$hrefs = $xpath->evaluate("/html/body//a/li");
$li = document.getElementsByTagName("li");

for($i = 0; $i < $hrefs->length; $i++){
    $href = $hrefs->item($i);
    $url = $href->getAttribute('href');
    $url = filter_var($url, FILTER_SANITIZE_URL);
    if(!filter_var($url, FILTER_VALIDATE_URL) === false){
        echo '<a href="'.$url.'">'.$url.'</a> : '.$li.' <br />';
    }
}
?>

第一部分效果很好，但我尝试添加描述的所有内容都失败了。

【问题讨论】：

我相信你的意思是 nodeValue -> php.net/manual/en/class.domnode.php#domnode.props.nodevalue
$xpath->evaluate("/html/body//a/li") 没有什么意义，你没有 li 嵌套在 a 这里。
$hrefs->item($i)->nodeValue 会得到标签的内部文本

标签： php dom text html-lists

【解决方案1】：

这是一个根据当前标记的简单示例：

$dom = new DOMDocument();
@$dom->loadHTML($urlContent);
$xpath = new DOMXPath($dom);
$lis = $xpath->evaluate("/html/body/li");

foreach ($lis as $li) {
    $a = $xpath->evaluate("span/a", $li)->item(0);
    $url = $a->getAttribute('href');
    var_dump($url, $a->nextSibling->nodeValue);
}

这里nextSibling 是文本内容，它跟在<a> 标记之后，所以nextSibling->nodeValue 将是" : Description"，你必须删除空格和:，例如trim。

工作fiddle。

【讨论】：