Dom 和 XPath 抓取 - 这里有什么问题？

Question

我需要从互联网上的网页中抓取一段文本，我正在使用 dom 和 xpath 来查找数据，但我似乎无法选择我需要的确切信息。到目前为止，这是我的代码，问题出在 item(0)->nodeValue 部分 - 这适用于我在另一个页面上的其他抓取，但不是这个。

$argos_html = file_get_html('http://www.argos.co.uk/static/Product/partNumber/9282197/Trail/searchtext%3EIPOD+TOUCH.htm');

$dom_argos= new DOMDocument();
$dom_argos->loadHTML($argos_html);

$xpath_argos = new DOMXpath($dom_argos);

$expr_currys = "/html/body/div[4]/div[3]/form/div[2]/div/div[5]/ul/li[3]/span";
$nodes_argos = $xpath_argos->query($expr_argos);

$argos_stock_data = $nodes_argos->item(0)->nodeValue;

谁能告诉我哪里出错了？因为我总是收到一个错误，这与 ->item(0)->nodeValue;部分，但是，如果我将其注释掉，则没有错误，但是根本没有收集到任何数据...

应该只是->nodeValue;

我知道这可能与页面结构有关，但我对这一切都不熟悉！ 谢谢

Answer 1

运行你的代码，我首先得到：

Notice: Undefined variable: expr_argos
Warning: DOMXPath::query() [domxpath.query]: Invalid expression

因此，首先，请确保您使用的 XPath 查询有效——例如，您应该有这个：

$nodes_argos = $xpath_argos->query($expr_currys);

而不是你目前拥有的：

$nodes_argos = $xpath_argos->query($expr_argos);

然后，您会收到以下错误：

Notice: Trying to get property of non-object

在下面一行：

$argos_stock_data = $nodes_argos->item(0)->nodeValue;

基本上，这意味着您正在尝试读取不是对象的属性nodeValue：$nodes_argos->item(0);

我猜您的 XPath 查询无效；因此，对 xpath() 方法的调用不会返回任何有趣的内容。

你应该检查你的（有点太长，不容易理解） XPath 查询，确保它与你的 HTML 页面中的某些内容相匹配。

Answer 2

当我在 Firefox 中使用时，您的 XPath 很好，但它不适用于 DOM，这并不奇怪。我假设您从某种能够返回某些元素的路径的浏览器插件中获得了 XPath。但是，您不应信任浏览器插件返回的 XPath，因为浏览器会通过 JavaScript 修改 DOM 并在必要时添加隐含值。请改用原始源代码。

您的 XPath 在 Firefox 中评估为“两天内送货上门”，这不是我在名为“stock_data”的变量中所期望的。但无论如何，应该这样做：

$dom = new DOMDocument;
libxml_use_internal_errors(TRUE);
$dom->loadHTMLFile('http://www.argos.co.uk/static/Product/partNumber/9282197/Trail/searchtext%3EIPOD+TOUCH.htm');
libxml_clear_errors();

$xpath = new DOMXpath($dom);
$nodes = $xpath->query(
    '/html/body//div[@id="deliveryInformation"]/ul/li[@class="home"]/span'
);
echo $nodes->item(0)->nodeValue; // "Home delivery within 2 days"