PHP DOMDocument 中 XML 中 HTML 表的 Xpath 查询

Question

我有一个具有以下树结构的 XML 文件。

<rss xmlns:dc="http://purl.org/dc/elements/1.1/"  xmlns:media="http://search.yahoo.com/mrss/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0">
<channel>
    <title>Videos</title>
    <link>https://www.example.com/r/videos/</link>
    <description>A long description of the video.</description>
    <image>...</image>
    <atom:link rel="self" href="http://www.example.com/videos/.xml" type="application/rss+xml"/>
    <item>
        <title>The most used Jazz lick in history.</title>
        <link>
        http://www.example.com/
        </link>
        <guid isPermaLink="true">
         http://www.example.com/
        </guid>
    <pubDate>Mon, 07 Sep 2015 14:43:34 +0000</pubDate>
    <description>
    <table>
        <tr>
            <td>
                <a href="http://www.example.com/">
                    <img src="http://www.example.com/.jpg" alt="The most used Jazz lick in history." title="The most used Jazz lick in history." />
                </a>
            </td>
            <td> submitted by 
                <a href="http://www.example.com/"> jcepiano </a>
                <br/>
                <a href="http://www.youtube.com/">[link]</a>
                <a href="http://www.example.com/">
                    [508 comments]
                </a>
            </td>
        </tr>
    </table>
    </description>
    <media:title>The most used Jazz lick in history.</media:title>
    <media:thumbnail url="http://example.jpg"/>
    </item>
</channel>
</rss>

这里，html table 元素嵌入在 XML 中，这让我很困惑。

现在我想选择//channel/item/title 的文本节点值和//channel/item/description/table/tr/td[1]/a[1] 的href 值（带有文本节点value = "[link]"）

在第二种情况下，我正在寻找第二个a的值（带有文本节点value = "[link]"），在第二个td里面tr，table，description，item , channel.

我正在使用 PHP DOMDocument();

这两天我一直在寻找一个完美的解决方案，你能告诉我这是怎么发生的吗？

我还需要计算提要中的项目总数，现在我正在这样做：

...
$queryResult = $xpathvar->query('//item/title');
$total = 1;
foreach($queryResult as $result){
           $total++;
}
echo $title;

我还需要一个 XPath 查询选择器规则的参考链接。

提前致谢！ :)

Answer 1

您写道，您想要以下查询的结果集的长度：

$queryResult = $xpathvar->query('//item/title');

我假设这里的$xpathvar 是DOMXPath 类型。如果是这样，它有一个length property as described here。不要使用foreach，只需使用：

$length = $xpathvar->query('//item/title')->length;

现在我想选择//channel/item/title 的文本节点值

您可以使用表达式//channel/item/title/text() 获得。

//channel/item/description/table/tr/td[1]/a[1] 的 href 值（带有文本节点 value = "[link]"）

您在此处的表达式选择任何tr，其下的第一个td，然后是第一个a。但是第一个 a 在您的源中没有 "[link]" 的值。但是，如果您愿意，可以使用：

//channel/item/description/table/tr/td[1]/a[1]/@href

但看起来你更想要：

//channel/item/description/table/tr/td/a[. = "[link]"][1]/@href

在树中找到第一个a元素，其值（文本节点）为"[link]"。

在第二种情况下，我正在寻找第二个a的值（带有文本节点value = "[link]"），在第二个td内部tr，table，description，item , channel.

不确定这是一个单独的问题还是要解释前一个问题。无论如何，答案与上一个相同，除非您明确要搜索第二个 a 等（即按位置搜索），在这种情况下您可以使用数字谓词。

---

注意：您的大部分表达式都以//expr 开头，这实质上意味着：在整个树的任意深度搜索表达式expr。这可能很昂贵，如果您只需要一个（相对）根节点，您知道其起点或表达式，那么使用直接路径会更好，性能也更高。在您的情况下，您可以将//channel 替换为/*/channel（因为它是根元素下的第一个）。

Answer 2

我终于可以用下面的代码让它工作了

$url = "https://www.example.com/r/videos/.xml";
$feed_dom = new domDocument; 
$feed_dom->load($url); 
$feed_dom->preserveWhiteSpace = false;
$items = $feed_dom->getElementsByTagName('item');

foreach($items as $item){
    $title = $item->getElementsByTagName('title')->item(0)->nodeValue;
    $desc_table = $item->getElementsByTagName('description')->item(0)->nodeValue;
    echo $title . "<br>";

    $table_dom = new domDocument;
    $table_dom->loadHTML($desc_table);
    $xpath = new DOMXpath($table_dom);
    $table_dom->preserveWhiteSpace = false;
    $yt_link_node = $xpath->query("//table/tr/td[2]/a[2]");

    foreach($yt_link_node as $yt_link){

        $yt = $yt_link->getAttribute('href');
        echo $yt . "<br>";
        echo "<br>";
    }
}

感谢 Abel，您的帮助对完成任务非常有用。 :)