解决 xpath 属性错误，即使 xpath 看起来不错

Question

我尝试从网页中提取版本信息，但即使 XPath 在 HTML 页面上看起来不错，我也会收到错误消息。

我试过的代码是

use DOMDocument;
use DOMXPath;
function getVersionFromDownloads(string $url): string
{
    // support only windows
    $content = $this->fetch($url);
    $curl = curl_init($url);

    curl_setopt($curl, CURLOPT_RETURNTRANSFER, true);
    curl_setopt($curl, CURLOPT_FRESH_CONNECT, true);
    $content = curl_exec($curl);
    curl_close($curl);

    $dom = new DOMDocument();
    @$dom->loadHTML($content);

    $xpath = new DOMXPath($dom);

    $result = $xpath->query("//a[contains(text(),'paint.net')]");

    $header = $result->item(0)->textContent;
    echo $header;

}
getVersionFromDownloads('https://www.dotpdn.com/downloads/pdn.html');

想要的结果是4.2.10

当我签入 HTML 页面时，XPath 看起来不错，并且显示了正确的元素。但是当我试图提取文本内容时，它给出了一个错误。

错误给定语句：$header = $result->item(0)->textContent;

Answer 1

在测试我的解决方案时，我在使用 $dom->load() 时遇到了很多 DOM 错误。您可以使用在线 html 验证器（例如 https://www.freeformatter.com/html-validator.html）查看所有无效标记。 这个程序咆哮着许多次要的弃用，然后是一些值得注意的项目，例如：

格式错误的字节序列：“a9”。

和

格式错误的字节序列：“ae”。

当我尝试使用 $dom->loadHTML() 编写自己的 php 代码时...

$dom = new DOMDocument();
libxml_use_internal_errors(true);
$dom->load('https://www.dotpdn.com/downloads/pdn.html');
$xpath = new DOMXPath($dom);
return libxml_get_last_error();

我用var_export()将返回值打印到屏幕上来查看：

LibXMLError::__set_state(array( 'level' => 3, 'code' => 77, 'column' => 8, 'message' => 'tag html line 1 中的数据过早结束', 'file ' => 'https://www.dotpdn.com/downloads/pdn.html', 'line' => 153, ))

---

推荐

所以我决定不使用load()，而是尝试file_get_contents($url) 来获取源代码并将其提供给DOM 解析器。

function getVersionFromDownloads($url)
{
    $dom = new DOMDocument();
    $dom->loadHTML(file_get_contents($url));
    $xpath = new DOMXPath($dom);
    $text = $xpath->query("//a[contains(text(),'paint.net')]")->item(0)->textContent;
    return preg_replace('/paint\.net\s+/', '', $text);
}
var_export(getVersionFromDownloads('https://www.dotpdn.com/downloads/pdn.html'));

输出：

'4.2.10'

• 要删除单引号，请使用echo 而不是var_export()。我只是用它来证明没有前导或尾随空格。

• preg_replace() 在返回之前使用，以便删除字符串中的paint.net 后跟多个连续空格。

• 作为记录，这种提取技术的工作原理相同：

   $xpath->query("//a[contains(text(),'paint.net')]/text()")->item(0)->nodeValue;
  

• 在你的：

   function getVersionFromDownloads(string $url): string
  

  : string 要求从您的函数返回一个字符串值，但您只是在回显——请务必返回一个字符串值。

Answer 2

 $result = explode(" ",trim($xpath->query("//b/a")[0]->nodeValue))[1];

这就是你要找的吗？