DOM结构，通过属性名/值获取元素

Question

我在 SO 上看到很多与该问题相关的答案，但要么存在我无法克服的细微差异，要么我无法重复显示的过程。

我想要完成的是使用 CURL 从 Google+ 业务页面获取 HTML，迭代 HTML，并为每个业务评论抓取评论 HTML 以显示在非 google+ 网页上的该业务。

每条评论都共享这个父 div 结构：

<div class="ZWa nAa" guidedhelpid="userreviews"> .....

因此，我正在尝试基于为每个具有以下属性的 div 查找和抓取 div 和 innerhtml 来执行 foreach 循环：guidehelpid="userreviews"

我成功地通过 CURL 取回 HTML，并且可以在针对标准 TAG 名称（如“a”）或如果它具有 ID 时对其进行解析，但在查找属性名称时使用 PHP 默认解析器迭代 HTML 是有问题的：

我怎样才能使用下面这个成功的代码，让它像第二个代码中所示的那样工作，这当然是错误的？

工作代码（查找、获取、回显 $output 中的所有“a”标签）

$url = "https://plus.google.com/+Mcgowansac/about";
$curl = curl_init($url);
curl_setopt($curl, CURLOPT_RETURNTRANSFER, TRUE);
$output = curl_exec($curl);
curl_close($curl);
$DOM = new DOMDocument;
@$DOM->loadHTML($output);


foreach($DOM->getElementsByTagName('a') as $link) {
        # Show the <a href>
        echo $link->getAttribute('href');
        echo "<br />";}

理论上需要的代码：（通过 HTML 中的自定义属性查找每条评论并回显它们）

$url = "https://plus.google.com/+Mcgowansac/about";
$curl = curl_init($url);
curl_setopt($curl, CURLOPT_RETURNTRANSFER, TRUE);
$output = curl_exec($curl);
curl_close($curl);
$DOM = new DOMDocument;
@$DOM->loadHTML($output);


foreach($DOM->getElementsByTagName('div[guidehelpid=userreviews]') as $review) {
        echo $review;
        echo "<br />"; }

我将不胜感激任何帮助我纠正这个问题。如果没有它，我宁愿不使用“simple_html_dom”。

Answer 1

我建议您也可以在这种情况下使用DOMXpath。示例：

$url = "https://plus.google.com/+Mcgowansac/about";
$curl = curl_init($url);
curl_setopt($curl, CURLOPT_USERAGENT, 'Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.13) Gecko/20080311 Firefox/2.0.0.13');
curl_setopt($curl, CURLOPT_RETURNTRANSFER, TRUE);
$output = curl_exec($curl);
curl_close($curl);

$dom = new DOMDocument;
libxml_use_internal_errors(true);
$dom->loadHTML($output);
libxml_clear_errors();
$xpath = new DOMXpath($dom);

$review = $xpath->query('//div[@guidedhelpid="userreviews"]');

if($review->length > 0) { // if it exists
    echo $review->item(0)->nodeValue;
    // echoes
    // John DeRemer reviewed 3 months ago Last fall, we had a major issue with mold which required major ... and so on
}