在有效的 PHP query() XPath 中转换 Javascript XPath |规范化 JS XPath --> PHP

Posted 2023-02-22

技术标签:

【中文标题】在有效的 PHP query() XPath 中转换 Javascript XPath |规范化 JS XPath --> PHP【英文标题】：Transform Javascript XPath in valid PHP query() XPath | normalize JS XPath --> PHP 【发布时间】：2012-08-01 12:55:42 【问题描述】：

这是 javascript 中的有效 XPath：

id("priceInfo")/div[@class="standardProdPricingGroup"]/span[1]

这变成了与 DOMXPath 一起使用的有效 php XPath->query() 是

//*[@id="priceInfo"]//div[@class="standardProdPricingGroup"]//span[1]

您知道任何已经进行此转换的库或自定义组件吗？您知道列出这两种语法差异的可用文档吗？

我主要担心可能存在很多差异，我正在寻找这些差异，但我在识别这些差异时遇到了问题。

这个问题也可以用不同的方式提出：由于 Javascript 可以有不同的有效 XPath 格式，如何规范它们以与 PHP 一起使用。

其中一个更新还提到，如果存在包含此定义的有效 DTD，则 id() 函数是有效的 XPath。我对输入 DTD 没有控制权，如果有办法找到无需任何特定 DTD 即可工作的解决方案，那就太棒了。

更新：

我想用算法将第一种格式转换为第二种格式。我的输入是第一个而不是第二个。无法更改。

正如@Nison Maël 所指出的，第二种格式是有效的 Javascript XPath，如下所示：http://jsbin.com/elatum/2/edit 不幸的是，这只会增加 Javascript XPath“碎片化”的问题。

@salathe 指出，如果记录的输入具有有效的 DTD（@Dimitre Novatchev 在评论中提到这一点，但忽略了重要性），则有效的 Javascript XPath 查询在 PHP 中可以正常工作。不幸的是，我无法控制输入 DTD，所以现在我必须研究一种方法来克服这个问题，或者找到一个即使没有有效 DTD 也能工作的解决方案。

【问题讨论】：

这是一个很好的问题！看起来那里没有任何文档（至少不是通过粗略的谷歌搜索）。我很高兴看到这个问题的答案。第一个表达式是合法的 XPath 表达式。但是，要使 Xpath 函数 id() 起作用，XML 必须具有 DTD，并且 DTD 中的元素定义必须具有具有 ID 关键字的属性。 @DimitreNovatatchev：那么// 到/ 的翻译呢？ @choroba Java 在整个问题中没有被提及一次。此外，id() 是您链接到的规范中提到的 节点集函数。我不认为 javascript 的 xpath 与 php 有很大不同。我的意思是xpath语言应该是一样的，对吧？您能否添加您具体指的是哪个javascript xpath？对于 php，很明显，只有一个。但是等等，不止一个，但你已经写过你指的是标准的 DOMDocument 扩展，对吧。 【参考方案1】：

刚刚看到 Salathe 实际上回答了同样的问题，但考虑到您的评论并更加强调这一点：

您不需要指定任何 DTD。只要您使用DOMDocument::loadhtml 或DOMDocument::loadHTMLFile 函数，HTML id 属性实际上是为xpath id() 函数注册的。使用http://jsbin.com/elatum/2/edit 中给出的演示 HTML，您甚至会在加载文档时遇到错误：

警告：DOMDocument::loadHTMLFile(): ID priceInfo 已在...中定义

这已经表明这是一个真正的 ID 属性，因为它抱怨重复。相关示例代码如下所示：

$xpath = 'id("priceInfo")/div[@class="standardProdPricingGroup"]/span[1]';

$doc = new DOMDocument();
$doc->loadHTMLFile(__DIR__ . '/../data/file-11796340.html');
$xp = new DOMXPath($doc);

$r = $xp->query($xpath);
echo $xpath, "\n";
echo $r ? $r->length : 0, ' elements found', "\n";
if (!$r) return;
foreach($r as $node) 
    echo " - ", $node->nodeValue, "\n";

输出是：

id("priceInfo")/div[@class="standardProdPricingGroup"]/span[1]
1 elements found
 - hello

如果您需要更多控制，请先运行 xpath 以将所有 HTML id 属性标记为 xpath 的 ID：

$r = $xp->query("//*[@id]");
if ($r) foreach($r as $node) 
    $node->setIdAttribute('id', true);

然后您可以使用与 id() 函数相同的 xpath，无需更改它。

【讨论】：

【参考方案2】：

您不能在表达式的开头将id("...") 翻译成//*[@id="..."][1] 吗？

例如，如果可以假设您在 id(...) 表达式中没有任何括号：

$queryRewritten =   preg_replace('/^id\(([^\)]+)\)/','//*[@id=$1][1]',$query);

Sample code

编辑：更正了替换，id() 必须是表达式中的第一个

【讨论】：

它有帮助，但我很好奇未来还会出现什么其他未记录的东西。这并不是真正的无证资料，XPATH 规范对这种行为非常清楚。未记录的部分是关于浏览器 DOM 引擎隐式地将 Doctype 应用于 HTML DOM。 @Pentium10 也许您需要更明确地说明您要实现的目标正如我更新问题的最后一行所说，我想找到一个独立于 DTD 的解决方案。除了使用不同命名空间前缀的文档外，这可能会欺骗 wpath 引擎。或为属性指定默认隐含值的 DTD（HTML 绝不应如此）。你应该是安全的【参考方案3】：

这不是一个完整的答案，但它太大而无法作为评论发表，它可能会对您有所帮助。

如果您可以控制输入 XML，那么您可以通过在 id 属性前加上 xml: 前缀，在 XML 文档本身中显式声明它们，而不是使用 DTD 来声明 id 属性。

例如，如果你有 XML