使用 php 从 html 文件中计算 li 项

Posted 2023-02-24

技术标签:

【中文标题】使用 php 从 html 文件中计算 li 项【英文标题】：Counting li items from a html file using php 【发布时间】：2017-12-16 13:00:05 【问题描述】：

我有一个 html 文件，其中包含许多 JUST “li”标签，没有 head 和 body 标签以及其他任何东西。我想用 php 来计算它们。我该怎么做？

但是，我尝试了这个：

$dom = new DOMDocument();
DOMDocument::loadHTML($tmp_file);
$count = $dom->getElementsByTagName("li");
echo count($count);

但它返回 1。

这是 $tmp_file （我不知道将检索到多少个（可能有数百个），但我只是将其中的 5 个添加到这里）：

<li >
    <a target="_blank" class="small-news-link" href="http://www.varzesh3.com/news/1426832/میروسلاو-ژیوکو-سرمربی-تیم-والیبال-سایپا-شد" target="_blank" title="میروسلاو ژیوکو سرمربی تیم والیبال سایپا شد">میروسلاو ژیوکو سرمربی تیم والیبال سایپا شد</a>
</li>
<li >
    <a target="_blank" class="small-news-link" href="http://www.varzesh3.com/news/1426824/فدرر-از-نظر-فیزیکی-شرایط-سال-قبل-را-ندارم" target="_blank" title="فدرر: از نظر فیزیکی شرایط سال قبل را ندارم">فدرر: از نظر فیزیکی شرایط سال قبل را ندارم</a>
</li>
<li >
    <a target="_blank" class="small-news-link" href="http://www.varzesh3.com/news/1426817/شکست-تیم-&#171;الف&#187;-والیبال-ساحلی-ایران-مقابل-هلند" target="_blank" title="شکست تیم &#171;الف&#187; والیبال ساحلی ایران مقابل هلند">شکست تیم &#171;الف&#187; والیبال ساحلی ایران مقابل هلند</a>
</li>
<li class="news-video">
    <a target="_blank" class="small-news-link" href="http://www.varzesh3.com/news/1426815/5-حرکت-دیدنی-در-لیگ-تابستان-NBA؛-96-04-21" target="_blank" title="5 حرکت دیدنی در لیگ تابستان NBA؛ 96/04/21">5 حرکت دیدنی در لیگ تابستان NBA؛ 96/04/21</a>
</li>
<li >
    <a target="_blank" class="small-news-link" href="http://www.varzesh3.com/news/1426813/معرفی-هیات-مدیره-جدید-صندوق-حمایت-از-پیشکسوتان" target="_blank" title="معرفی هیات مدیره جدید صندوق حمایت از پیشکسوتان">معرفی هیات مدیره جدید صندوق حمایت از پیشکسوتان</a>
</li>
<li >
    <a target="_blank" class="small-news-link" href="http://www.varzesh3.com/news/1426808/رحیمی،-یزدانی-و-قاسمی-در-رده-اول-تا-سوم-جهان" target="_blank" title="رحیمی، یزدانی و قاسمی در رده اول تا سوم جهان">رحیمی، یزدانی و قاسمی در رده اول تا سوم جهان</a>
</li>
<li >
    <a target="_blank" class="small-news-link" href="http://www.varzesh3.com/news/1426792/جوکوویچ-منتظر-رویارویی-با-بردیچ-هستم" target="_blank" title="جوکوویچ: منتظر رویارویی با بردیچ هستم">جوکوویچ: منتظر رویارویی با بردیچ هستم</a>
</li>

【问题讨论】：

你能粘贴一些它正在查看的 html 吗？和其他许多类似的 li 标签... 请使用任何其他信息/代码更新您的问题，而不是在评论中。它返回“1”，因为它返回为真。请检查您的错误日志（或者更好的是，打开显示错误，方法如下：***.com/questions/5438060/…）并检查您在尝试解析内容时是否收到一堆警告。 【参考方案1】：

你已经接近了。我认为您正在寻找的是以下内容：

$dom = new \DOMDocument();
@$dom->loadHTML($html); // or @$dom->loadHTMLFile($filename); if providing filename rather than actual HTML content

$count = $dom->getElementsByTagName('li')->length;
echo $count;

根据您的$tmp_file 值，如果它包含实际内容，您将使用loadHTML()，如果它包含文件名，则使用loadHTMLFile()。（请注意，这些方法不应被静态调用。）

getElementsByTagName() 方法返回一个 DOMNodeList 对象，该对象的 length 属性包含找到的节点数。

你可以试试代码here。

这种 DOM 解析 方法比字符串或正则表达式搜索更可取，因为它旨在说明 HTML 可以被接受的许多可变编写方式（即不一致的间距、属性顺序）。

【讨论】：

如上所述，长度不起作用，它应该是长度（），顺便说一句，thanx man，我会尽快将我的答案发布给她它确实应该是->length 而不是->length()，因为length 是DOMNodeList 的属性，而不是方法，和属性在没有括号的情况下访问。如果您仍然没有得到所需的输出，那么问题出在其他地方，可能是使用loadHTML() 而不是loadHTMLFile()？【参考方案2】：

您可以在该字符串上为<li>（或-li-）执行一个非常简单的Substring Count，它将返回项目数。见这里：function.substr-count

$count = substr_count($html,'<li>'); //where $html holds your piece of HTML.

【讨论】：

仍然返回 0 在 OP 在评论中发布的示例中，它实际上是 <li >（有一个额外的空格）。还是零哥们（有额外空间）！当我尝试使用您问题中的 HTML 时，@Er.Ellison substr_count($html,'<li >'); 非常适合我。当然，您需要将$html 更改为实际保存您的HTML 数据的变量。试试看：3v4l.org/daX97 如果你打算走这条路，我建议检查</li> 或<li 这样你就可以避免担心标签中的额外空间/属性。【参考方案3】：

你很亲密。

试试这个：

$count = $dom->getElementsByTagName("li")->length;

并将此 echo count($count); 更改为 echo $count

【讨论】：

它不识别长度对不起，是->length。这很有趣，这次返回 0 :)))))) @Er.Ellison 请查看我对您的问题的评论。【参考方案4】：

首先，loadHTML 从字符串中的 HTML 加载。如果 $tmp_file 是文件名，你应该使用 loadHTMLFile。

另外，loadHTML 不是静态的，所以你需要做$dom->loadHTML($tmp_file);

现在是问题的答案。

getElementsByTagName() 返回的是一个 DOMNodeList。作为一个对象，count() 函数可能只会说 1，但 DOMNodeList 有一个名为 length 的属性。如果您只查询li 元素，然后读取length，它将给出li 元素的数量。

作为测试：

$dom = new DOMDocument();
$dom->loadHTML("<li>test 1</li><li>test 2</li><li>test 3</li><li>test 4</li>");
$count = $dom->getElementsByTagName("li");
echo $count->length; //Prints 4

在<ul> 内，我设置了四个<li> 元素。

【讨论】：

$tmp_file 正在从链接中检索数据并使用 file_put_contents 将其放入 tmp 文件，所以，到目前为止，我有一个 html 文件，其中只包含“li”标签（即使我尝试过在浏览器中加载 tmp 文件，它只是向我显示了一些疯狂的字符），它没有任何 body 或 html 标签 @Er.Ellison 没关系，这只是一个例子。您只能放置<li> 标签并且它可以工作。我会改变我的例子来反映你的情况。相信我，我正在尝试如你所说，但它返回 0 ，这是返回结果：你首先看到的是 echo $count->length 的结果中的零；你能发布echo $tmp_file; 显示的内容吗？只是为了丢弃东西。另外，你在用$dom->loadHTML() 吗？【参考方案5】：

你能试试这样的吗？ $url 是您的 html 文件的路径？

$data = file($url);
$count = null;
foreach($data as $line)
    if (strpos($line,'<li'))
        ++$count;
    


echo($count);
exit();

【讨论】：

不，兄弟，我认为您的回答中有错字，在''，感谢您回答我的问题，我已经用另一种天才的方式解决了这个问题，对此感到抱歉我忘了在这里发布我的答案，我目前正在做一个非常严肃的项目，我只是在可能的时候过来堆栈溢出，顺便说一句，首先感谢 Blaise（我的男人），其次，我'我会尽快在这里发布我的答案！非常感谢你们！哈哈！很高兴你找到了答案。由于代码中的空格，我故意省略了开始标记的关闭！【参考方案6】：

如果您确定所有行都相同，您甚至不需要检查<li> 标记。只需快速计算文件中的行数并除以 3：

$total_lines = count(file($html_file));
$num_list_items = $total_lines / 3;

$html_file 应该只是文件的路径。您无需解析 HTML，因此无需创建新的 DOMDocument。这样效率更高，但前提是您确定整个文件都以这种方式格式化。

【讨论】：

【参考方案7】：

您只需使用以下代码从 html 页面数据中获取 li 计数

 $html_page_data='<li >
            <a target="_blank" class="small-news-link" href="http://www.varzesh3.com/news/1426832/میروسلاو-ژیوکو-سرمربی-تیم-والیبال-سایپا-شد" target="_blank" title="میروسلاو ژیوکو سرمربی تیم والیبال سایپا شد">میروسلاو ژیوکو سرمربی تیم والیبال سایپا شد</a>
        </li>
        <li >
            <a target="_blank" class="small-news-link" href="http://www.varzesh3.com/news/1426824/فدرر-از-نظر-فیزیکی-شرایط-سال-قبل-را-ندارم" target="_blank" title="فدرر: از نظر فیزیکی شرایط سال قبل را ندارم">فدرر: از نظر فیزیکی شرایط سال قبل را ندارم</a>
        </li>
        <li >
            <a target="_blank" class="small-news-link" href="http://www.varzesh3.com/news/1426817/شکست-تیم-&#171;الف&#187;-والیبال-ساحلی-ایران-مقابل-هلند" target="_blank" title="شکست تیم &#171;الف&#187; والیبال ساحلی ایران مقابل هلند">شکست تیم &#171;الف&#187; والیبال ساحلی ایران مقابل هلند</a>
        </li>';
          $doc = new DOMDocument();
          $doc->loadHTML($html_page_data);
          libxml_clear_errors();
          $xpath = new DOMXPath($doc);
          $query = '//li'; //query pattern for find li
          $li_data= $xpath->query($query);
    echo  $li_data->length ; //output 3

【讨论】：

【参考方案8】：

你也可以使用：

echo preg_match_all("~<li([^>]*)>~",file_get_contents("your_html_file")).PHP_EOL;

测试结果：

akshay@db-3325:/tmp$ cat file
<li >
    <a target="_blank" class="small-news-link" href="http://www.varzesh3.com/news/1426832/میروسلاو-ژیوکو-سرمربی-تیم-والیبال-سایپا-شد" target="_blank" title="میروسلاو ژیوکو سرمربی تیم والیبال سایپا شد">میروسلاو ژیوکو سرمربی تیم والیبال سایپا شد</a>
</li>
<li >
    <a target="_blank" class="small-news-link" href="http://www.varzesh3.com/news/1426824/فدرر-از-نظر-فیزیکی-شرایط-سال-قبل-را-ندارم" target="_blank" title="فدرر: از نظر فیزیکی شرایط سال قبل را ندارم">فدرر: از نظر فیزیکی شرایط سال قبل را ندارم</a>
</li>
<li >
    <a target="_blank" class="small-news-link" href="http://www.varzesh3.com/news/1426817/شکست-تیم-&#171;الف&#187;-والیبال-ساحلی-ایران-مقابل-هلند" target="_blank" title="شکست تیم &#171;الف&#187; والیبال ساحلی ایران مقابل هلند">شکست تیم &#171;الف&#187; والیبال ساحلی ایران مقابل هلند</a>
</li>
<li class="news-video">
    <a target="_blank" class="small-news-link" href="http://www.varzesh3.com/news/1426815/5-حرکت-دیدنی-در-لیگ-تابستان-NBA؛-96-04-21" target="_blank" title="5 حرکت دیدنی در لیگ تابستان NBA؛ 96/04/21">5 حرکت دیدنی در لیگ تابستان NBA؛ 96/04/21</a>
</li>
<li >
    <a target="_blank" class="small-news-link" href="http://www.varzesh3.com/news/1426813/معرفی-هیات-مدیره-جدید-صندوق-حمایت-از-پیشکسوتان" target="_blank" title="معرفی هیات مدیره جدید صندوق حمایت از پیشکسوتان">معرفی هیات مدیره جدید صندوق حمایت از پیشکسوتان</a>
</li>
<li >
    <a target="_blank" class="small-news-link" href="http://www.varzesh3.com/news/1426808/رحیمی،-یزدانی-و-قاسمی-در-رده-اول-تا-سوم-جهان" target="_blank" title="رحیمی، یزدانی و قاسمی در رده اول تا سوم جهان">رحیمی، یزدانی و قاسمی در رده اول تا سوم جهان</a>
</li>
<li >
    <a target="_blank" class="small-news-link" href="http://www.varzesh3.com/news/1426792/جوکوویچ-منتظر-رویارویی-با-بردیچ-هستم" target="_blank" title="جوکوویچ: منتظر رویارویی با بردیچ هستم">جوکوویچ: منتظر رویارویی با بردیچ هستم</a>
</li>


akshay@db-3325:/tmp$ php -r 'echo preg_match_all("~<li([^>]*)>~",file_get_contents("file")).PHP_EOL;'
7

【讨论】：

【参考方案9】：

这对我有用（将您的示例 HTML 放在一个名为“index.html”的文件中）：

<?php
$dom = new DOMDocument();
$dom->loadHTMLFile("index.html");
$count = $dom->getElementsByTagName("li");
printf("Count: %d\n", count($count));

编辑：尽管如前所述，您可以跳过count()：

$li_elems = $dom->getElementsByTagName("li");
printf("Count: %d\n", $li_elems->length);

【讨论】：

【参考方案10】：

您可以使用 PHP Simple HTML DOM Parse： http://simplehtmldom.sourceforge.net/

echo count($html->find('li'));

【讨论】：

如果正确，请检查为正确答案)))【参考方案11】：

我可以帮你。

你应该使用这个代码：

$numberOfListItems= $domElement-&gt;getElementsByTagName("li")-&gt;length;

$numberOfListItems 包含所需的值

【讨论】：

【参考方案12】：

那个问题的重点是我只想实现一个标签并获取它们的链接，我只想使用解析，但有时你应该在脑海中使用你的英特尔 i9 并更好地思考，所以而不是获取<li> 标签我直接针对<a> 标签，它的工作原理：

代码如下：

$this->dom = new DOMDocument();
@$this->dom->loadHTMLfile($tmp_file);
$this->as = $this->dom->getElementsByTagName('a');
foreach($this->as as $a)  ...

并且由于每个项目都保存到数据库中，所以我无法使用 mysql 查询从数据库中获取它们的数量，就是这样！

【讨论】：

以上是关于使用 php 从 html 文件中计算 li 项的主要内容，如果未能解决你的问题，请参考以下文章

使用 PHP 从 HTML 列表生成 XML

从平面数据在 PHP 中构建分层 html 标签

如何从 PHP 文件中提取 HTML？

php：多个页面调用同一个导航

我在HTML中写了一个<ul><li>标签，怎麼把数据库的数据动态动态生成到标签里面？？php

PHP全栈开发: HTML 学习（2. div 布局）