如何使用 dom php 解析器
Posted
技术标签:
【中文标题】如何使用 dom php 解析器【英文标题】：how to use dom php parser 【发布时间】：2010-10-31 22:38:17 【问题描述】：我是 php 中 DOM 解析的新手： 我有一个要解析的 html 文件。它有一堆像这样的DIV：
<div id="interestingbox">
<div id="interestingdetails" class="txtnormal">
<div>Content1</div>
<div>Content2</div>
</div>
</div>
<div id="interestingbox">
......
我正在尝试使用 php 获取许多 div 框的内容。 如何使用 DOM 解析器来执行此操作？
谢谢！
【问题讨论】：
【参考方案1】：我使用simplehtmldom 作为开始：
$html = file_get_html('example.com');
foreach ($html->find('div[id=interestingbox]') as $result)
echo $result->innertext;
【讨论】：
这个非常好用【参考方案2】：首先我必须告诉你，你不能在两个不同的 div 上使用相同的 id；有针对这一点的课程。每个元素都应该有一个唯一的 id。
获取 id="interestingbox" 的 div 内容的代码
$html = '
<html>
<head></head>
<body>
<div id="interestingbox">
<div id="interestingdetails" class="txtnormal">
<div>Content1</div>
<div>Content2</div>
</div>
</div>
<div id="interestingbox2"><a href="#">a link</a></div>
</body>
</html>';
$dom_document = new DOMDocument();
$dom_document->loadHTML($html);
//use DOMXpath to navigate the html with the DOM
$dom_xpath = new DOMXpath($dom_document);
// if you want to get the div with id=interestingbox
$elements = $dom_xpath->query("*/div[@id='interestingbox']");
if (!is_null($elements))
foreach ($elements as $element)
echo "\n[". $element->nodeName. "]";
$nodes = $element->childNodes;
foreach ($nodes as $node)
echo $node->nodeValue. "\n";
//OUTPUT
[div]
Content1
Content2
类示例：
$html = '
<html>
<head></head>
<body>
<div class="interestingbox">
<div id="interestingdetails" class="txtnormal">
<div>Content1</div>
<div>Content2</div>
</div>
</div>
<div class="interestingbox"><a href="#">a link</a></div>
</body>
</html>';
//the same as before.. just change the xpath
[...]
$elements = $dom_xpath->query("*/div[@class='interestingbox']");
[...]
//OUTPUT
[div]
Content1
Content2
[div]
a link
有关详细信息，请参阅DOMXPath 页面。
【讨论】：
【参考方案3】：来自http://www.sitepoint.com/forums/showthread.php?611393-php5-need-something-like-innerHTML-instead-of-nodeValue的非常好的功能
function innerXML($node)
$doc = $node->ownerDocument;
$frag = $doc->createDocumentFragment();
foreach ($node->childNodes as $child)
$frag->appendChild($child->cloneNode(TRUE));
return $doc->saveXML($frag);
$dom = new DOMDocument();
$dom->loadXML('
<html>
<body>
<table>
<tr>
<td id="foo">
The first bit of Data I want
<br />The second bit of Data I want
<br />The third bit of Data I want
</td>
</tr>
</table>
<body>
<html>
');
$xpath = new DOMXPath($dom);
$node = $xpath->evaluate("/html/body//td[@id='foo' ]");
$dataString = innerXML($node->item(0));
$dataArr = explode("<br />", $dataString);
$dataUno = $dataArr[0];
$dataDos = $dataArr[1];
$dataTres = $dataArr[2];
echo "firstdata = $nameUno<br />seconddata = $nameDos<br />thirddata = $nameTres<br />"
【讨论】：
【参考方案4】：WebExtractor：https://github.com/knyga/webextractor 它可以使用 css、regex、xpath 选择器解析页面。
查看包和测试示例：
使用 WebExtractor\DataExtractor\DataExtractorFactory；采用 WebExtractor\DataExtractor\DataExtractorTypes;采用 WebExtractor\Client\Client;
$factory = DataExtractorFactory::getFactory(); $提取器= $factory->createDataExtractor(DataExtractorTypes::CSS); $客户=新 客户; $内容= $client->get('https://en.wikipedia.org/wiki/2014_Winter_Olympics'); $extractor->setContent($content); $h1 = $extractor->setSelector('h1')->extract();
【讨论】：
以上是关于如何使用 dom php 解析器的主要内容，如果未能解决你的问题，请参考以下文章
如何使用 DOM 解析器解析 xhtml 忽略 DOCTYPE 声明
如何在 android 中使用 DOM 或 SAX 解析器从 XML 读取子节点