使用 PHP 和 XPATH，您将如何获取最接近的 `h3` 的内容？答案

【问题标题】：Using PHP and XPATH, how would you get the contents of the closest `h3`?使用 PHP 和 XPATH，您将如何获取最接近的 `h3` 的内容？
【发布时间】：2014-10-02 11:25:17
【问题描述】：

使用 PHP 和 XPATH，您将如何正确获取最近的 h3 标记的文本，其中包含斯托克城与水晶宫比赛的日期？（例如 10 月 4 日星期六）
本质上，我正在搜索比赛日期，我的输入是主队和客队

HTML sn-p 列表 4（其余 321 个）2014/15 赛季英超联赛足球赛程

<div class="fixtures">
    <h3>Monday 29 September</h3>
    <dl class="matches">
        <dt class="match">
            <span class="match-time">20:00</span>
            <span class="home-side">
                <span>
                    <img src="http://omo.akamai.opta.net/image.php?&amp;sport=football&amp;entity=team&amp;description=badges&amp;dimensions=20&amp;id=110" alt="Stoke City">
                </span>
                <a href="http://www.dailymail.co.uk/sport/teampages/stoke-city.html">Stoke City</a>
            </span>
            <span>
                <span>&nbsp;</span>
                <span>vs</span>
                <span>&nbsp;</span>
            </span>
            <span class="away-side">
                <span>
                    <img src="http://omo.akamai.opta.net/image.php?&amp;sport=football&amp;entity=team&amp;description=badges&amp;dimensions=20&amp;id=4" alt="Newcastle United">
                </span>
                <a href="http://www.dailymail.co.uk/sport/teampages/newcastle-united.html">Newcastle United</a>
            </span>
        </dt>
    </dl>
    <dl class="matches">
        <dt class="match">
            <span class="match-time">15:00</span>
            <span class="home-side">
                <span>
                    <img src="http://omo.akamai.opta.net/image.php?&amp;sport=football&amp;entity=team&amp;description=badges&amp;dimensions=20&amp;id=13" alt="Leicester City">
                </span>
                <a href="http://www.dailymail.co.uk/sport/teampages/leicester.html">Leicester City</a>
            </span>
            <span>
                <span>&nbsp;</span>
                <span>vs</span>
                <span>&nbsp;</span>
            </span>
            <span class="away-side">
                <span>
                    <img src="http://omo.akamai.opta.net/image.php?&amp;sport=football&amp;entity=team&amp;description=badges&amp;dimensions=20&amp;id=90" alt="Burnley">
                </span>
                <a href="http://www.dailymail.co.uk/sport/teampages/burnley.html">Burnley</a>
            </span>
        </dt>
    </dl>              
    <h3>Saturday 4 October</h3>
    <dl class="matches">
        <dt class="match">
            <span class="match-time">15:00</span>
            <span class="home-side">
                <span>
                    <img src="http://omo.akamai.opta.net/image.php?&amp;sport=football&amp;entity=team&amp;description=badges&amp;dimensions=20&amp;id=14" alt="Liverpool">
                </span>
                <a href="http://www.dailymail.co.uk/sport/teampages/liverpool.html">Liverpool</a>
            </span>
            <span>
                <span>&nbsp;</span>
                <span>vs</span>
                <span>&nbsp;</span>
            </span>
            <span class="away-side">
                <span>
                    <img src="http://omo.akamai.opta.net/image.php?&amp;sport=football&amp;entity=team&amp;description=badges&amp;dimensions=20&amp;id=35" alt="West Bromwich Albion">
                </span>
                <a href="http://www.dailymail.co.uk/sport/teampages/west-bromwich-albion.html">West Bromwich Albion</a>
            </span>
        </dt>
    </dl>            
    <dl class="matches">
        <dt class="match">
            <span class="match-time">15:00</span>
            <span class="home-side">
                <span>
                    <img src="http://omo.akamai.opta.net/image.php?&amp;sport=football&amp;entity=team&amp;description=badges&amp;dimensions=20&amp;id=110" alt="Stoke City">
                </span>
                <a href="http://www.dailymail.co.uk/sport/teampages/stoke-city.html">Stoke City</a>
            </span>
            <span>
                <span>&nbsp;</span>
                <span>vs</span>
                <span>&nbsp;</span>
            </span>
            <span class="away-side">
                <span>
                    <img src="http://omo.akamai.opta.net/image.php?&amp;sport=football&amp;entity=team&amp;description=badges&amp;dimensions=20&amp;id=31" alt="Crystal Palace">
                </span>
                <a href="http://www.dailymail.co.uk/sport/teampages/crystal-palace.html">Crystal Palace</a>
            </span>
        </dt>
    </dl>          
</div>

【问题讨论】：

这种结构总是一样的吗？
是的 - 只是重复。例如div.fixtures 然后 h3 或 1 个或多个 dl.matches

标签： php html xpath domdocument

【解决方案1】：

你可以试试这个 XPath：

//h3[following-sibling::dl[1][.//span[contains(concat(' ', normalize-space(@class), ' '), ' home-side ') and span/img[@alt='Hull City']]]]

基本上，在 XPath 上方选择 <h3> 元素，其下一个兄弟 <dl> 元素包含一个 <span class="home-side"> 和另一个 <span> 和 <img alt="Hull City">（格式化版本）：

//h3[
        following-sibling::dl[1][
                    .//span[
                        contains(concat(' ', normalize-space(@class), ' '), ' home-side ') 
                            and 
                        span/img[@alt='Hull City']
                    ]
        ]
    ]

更新：

以下是一个检查主队和客队的 XPath 示例：

//h3[
        following-sibling::dl[1][
                    .//span[
                        contains(concat(' ', normalize-space(@class), ' '), ' home-side ') 
                            and 
                        span/img[@alt='Hull City']
                    ]
                        and
                    .//span[
                        contains(concat(' ', normalize-space(@class), ' '), ' away-side ') 
                            and 
                        span/img[@alt='Crystal Palace']
                    ]
        ]

    ]

更新 2：

为了能够考虑多个<dl>s，我认为首先找到满足主客队标准的<dl> 会更容易，然后向后移动以从此类<dl> 中找到最接近的<h3> 元素：

//dl[
        .//span[
            contains(concat(' ', normalize-space(@class), ' '), ' home-side ') 
                and 
            span/img[@alt='Stoke City']
        ]
            and
        .//span[
            contains(concat(' ', normalize-space(@class), ' '), ' away-side ') 
                and 
            span/img[@alt='Crystal Palace']
        ]
    ]/preceding-sibling::h3[1]

【讨论】：

您的回答实际上有助于解决我遇到的另一个问题，即扩展我的查询以定义客场：[.//span[contains(concat(' ', normalize-space(@class), ' '), ' away-side ') and span/img[@alt='West Bromwich Albion']]]。我如何将其包含在您建议的查询中？谢谢
我没有提到的另一件事是<h3> 有时会引用多个<dl>，这样您就可以拥有：<h3> 然后<dl> 然后<dl> 然后@987654340 @ 然后<dl>。将更新我的问题
如果有多个<dl>s，您希望发生什么？此答案中的 XPath 仅检查最接近的 <dl> ...
它必须向上遍历，直到在<dl> 之前找到最接近的<h3> 作为兄弟 - 参见 HTML sn-p 示例。例如斯托克城对水晶宫应该在 10 月 4 日星期六举行
@u01jmg3 检查 更新 2 部分

【解决方案2】：

如果结构总是相同，您可以先将其指向具有该 alt 值的 img 标签，然后向后遍历。

例子：

$dom = new DOMDocument();
$dom->loadHTML($markup);
$xpath = new DOMXpath($dom);

$needle = 'Hull City';
$element = $xpath->query("//span/img[contains(@alt, '$needle')]");
if($element->length > 0) {
    $img = $element->item(0);
    $header = $xpath->query('ancestor::node()/preceding-sibling::h3[1]', $img);
    if($header->length > 0) {
        echo $header->item(0)->nodeValue; // Saturday 4 October
    }
}

Sample Output

【讨论】：

我的建议是放弃[4]。它只是对文档结构产生了更高的依赖性，并且不需要。
@JLRishe 这是您的一个很好的建议，感谢您的洞察力
效果很好，所以谢谢，但@har07 的建议看起来可以让我在同一个查询中定义离开的一面。
@Ghost：如果<h3> 用于多个匹配项，例如<h3> 然后<dl> 然后<dl>，会发生什么？例如如何在我的 sn-p 中获取莱斯特城主场比赛的比赛日期？
@u01jmg3 是的，它仍然说明了这一点，因为它找到了前面的<h1>，所以它向后看，然后[1] 得到第一个<h3>，demo