基于 tr 计数的 td/th 的 XPath
Posted
技术标签:
【中文标题】基于 tr 计数的 td/th 的 XPath【英文标题】：XPath for td/th based on tr count 【发布时间】：2019-06-18 21:21:46 【问题描述】：使用 XPath 进行网页抓取。
结构是：
<table>
<tbody>
<tr>
<th>
<td>
但其中一个 tr 只包含一个 th 或一个 td。
<table>
<tbody>
<tr>
<th>
所以我只想抓取TR 里面是否包含两个标签。我给出了路径
$route = $path->query("//table[count(tr) > 1]//tr/th");
或
$route = $path->query("//table[count(tr) > 1]//tr/td");
但它不起作用。
我在这里提供 orjinal 表的链接。第一个表的最后两个 TR 只有一个 TD。这就是问题所在。第二或第三表也有同样的问题。
https://www.daiwahouse.co.jp/mansion/kanto/tokyo/y35/gaiyo.html
$route = $path->query("//tr[count(*) >= 2]/th");
foreach ($route as $th)
$property[] = trim($th->nodeValue);
$route = $path->query("//tr[count(*) >= 2]/td");
foreach ($route as $td)
$value[] = trim($td->nodeValue);
我正在尝试同时选择 TH 和 TD。但是，如果 TR 包含一个 TD，那么它会导致问题。因为 TD 计数和 TH 计数不一样，所以我刮的 TD 比 TH 多
【问题讨论】：
您的 XPath 不考虑tbody。
你想要整行还是只想要行的第一个/td？
我认为您需要检查 TR 是否只是单个 TD 和 COLSPAN="2"。您希望将其包含在抓取中还是从抓取中排除？
我再次更新了问题，请查看。 @Scuzzy
【参考方案1】：
这个 XPath，
//table[count(.//tr) > 1]/th
将选择所有table 元素中具有多个tr 后代的所有th 元素（无论tbody 是否存在）。
这个 XPath，
//tr[count(*) > 1]/*
将选择具有多个子元素的tr 元素的所有子元素。
这个 XPath，
//tr[count(th) = count(td)]/*
将选择tr 元素的所有子元素，其中th 子元素的数量等于td 子元素的数量。
OP 发布了指向该站点的链接。根元素位于 xmlns="http://www.w3.org/1999/xhtml" 命名空间中。
见How does XPath deal with XML namespaces?
【讨论】：
足够接近但仍然需要额外费用...最后我的财产（th）计数和我的价值（th）计数不一样... 如果您可以准确地说明您要选择的内容，那么编写 XPath 会很简单。例如，“我正在尝试选择满足以下条件的 ____ 元素：______。请注意，当满足 ____ 条件时，我不想要这些元素。”在此期间，我再次猜测您可能想要什么。 我更新了问题并提供了原始表格的链接。你能检查一下吗？ 您的更新仍未说明您希望选择哪些元素（td、th、tr、table 等），并且您没有明确指定区分您想要哪些不想要的此类元素的条件。
哈哈，你真的做到了！ :)【参考方案2】：
如果我理解正确，您希望trs 中的th 元素包含两个元素？我认为这就是您所需要的：
//th[count(../*) = 2]
【讨论】：
好的，我试过这样//th[count(../*) == 2] 但是，这个错误弹出。 “为 foreach() 提供的参数无效”“*”是什么意思？
举例说明，count(tr)统计tr元素的个数（不是tr下的元素个数）。 count(*) 计算当前路径中的每个节点。 count(../*) 统计当前节点的兄弟节点数。
我更新了问题并提供了原始表格的链接。你能检查一下吗？【参考方案3】：
我在答案中包含了一条更明确的路径，其中包含一个 or 语句来计算 TH 和 TD 元素
$html = '
<html>
<body>
<table>
<tbody>
<tr>
<th>I am Included</th>
<td>I am a column</td>
</tr>
</tbody>
</table>
<table>
<tbody>
<tr>
<th>I am ignored</th>
</tr>
</tbody>
</table>
<table>
<tbody>
<tr>
<th>I am also Included</th>
<td>I am a column</td>
</tr>
</tbody>
</table>
</body>
</html>
';
$doc = new DOMDocument();
$doc->loadHTML( $html );
$xpath = new DOMXPath( $doc );
$result = $xpath->query("//table[ count( tbody/tr/td | tbody/tr/th ) > 1 ]/tbody/tr");
foreach( $result as $node )
var_dump( $doc->saveHTML( $node ) );
// string(88) "<tr><th>I am Included</th><td>I am a column</td></tr>"
// string(93) "<tr><th>I am also Included</th><td>I am a column</td></tr>"
您也可以将其用于任何深度后代
//table[ count( descendant::td | descendant::th ) > 1]//tr
在条件（方括号部分）之后更改 xpath 以更改您返回的内容。
【讨论】：
我更新了问题并提供了原始表格的链接。你能检查一下吗？以上是关于基于 tr 计数的 td/th 的 XPath的主要内容，如果未能解决你的问题，请参考以下文章
Dreamweaver里面的tr,td,th分别是啥意思，怎么用？