将（嵌套的）HTML 无序列表链接转换为 PHP 链接数组

Question

我有一个常规的、嵌套的 HTML 无序列表链接，我想用 PHP 抓取它并将其转换为数组。

原始列表如下所示：

<ul>
<li><a href="http://someurl.com">First item</a>
    <ul>
    <li><a href="http://someotherurl.com/">Child of First Item</a></li>
    <li><a href="http://someotherurl.com/">Second Child of First Item</a></li>
    </ul>
</li>
<li><a href="http://bogusurl.com">Second item</a></li>
<li><a href="http://bogusurl.com">Third item</a></li>
<li><a href="http://bogusurl.com">Fourth item</a></li>
</ul>

任何项目都可以有孩子。

（实际的屏幕抓取没有问题，我可以做到。）

我想把它变成一个 PHP 数组，只包含链接，同时保持列表的层次结构。有什么想法吗？

我研究过使用 htmlsimpledom 和 phpQuery，它们都使用类似 jQuery 的语法。但是，我似乎无法正确使用语法。我可以得到所有的链接，但我最终失去了层次结构和秩序。

谢谢。

Answer 1

按照以下方式使用 DOMDocument 和 SimpleXMLElement：

$doc = new DOMDocument();
$doc->loadHTML($html);
$xmlStr = $doc->saveXml($doc->documentElement);

$xml = new SimpleXmlElement($xmlStr);

$links = array();

foreach ($xml->xpath('//a') as $li) {
    $links[] = $li->attributes()->href;
}

如果将 href 作为 SimpleXMLElement 添加到 $links，请使用 ob_start 和 ob_clean 捕获字符串。

Cheat sheet for xpath queries (pdf)