come utilizzare dom php parser

StackOverflow https://stackoverflow.com/questions/960841

  •  12-09-2019
  •  | 
  •  

Domanda

Sono nuovo di DOM parsing in PHP:
Ho un file HTML che sto cercando di analizzare. Ha un sacco di div in questo modo: 

<div id="interestingbox"> 
   <div id="interestingdetails" class="txtnormal">
        <div>Content1</div>
        <div>Content2</div>
   </div>
</div>

<div id="interestingbox"> 
......

Sto cercando di ottenere il contenuto delle molte caselle div utilizzando PHP. Come posso utilizzare il parser DOM per fare questo?

Grazie!

È stato utile?

Soluzione

Per prima cosa devo dire che non è possibile utilizzare lo stesso ID su due div differenti; ci sono classi per quel punto. Ogni elemento deve avere un ID univoco.

Il codice per ottenere il contenuto del div con id = "interestingbox" 

$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
}

Esempio con le classi: 

$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
}

Fare riferimento alla pagina di DOMXPath per ulteriori dettagli.

Altri suggerimenti

Ho ottenuto questo a lavorare utilizzando simplehtmldom come inizio: 

$html = file_get_html('example.com');
foreach ($html->find('div[id=interestingbox]') as $result)
{
    echo $result->innertext;
}

Molto bella funzione da http://www.sitepoint.com/forums/showthread.php?611393-php5-need-something-like-innerHTML-instead-of-nodeValue 

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 />"

WebExtractor: https://github.com/knyga/webextractor E 'in grado di analizzare la pagina con i CSS, regex, selettori XPath.

pacchetto Look and test per gli esempi:

  

utilizzare WebExtractor \ DataExtractor \ DataExtractorFactory; uso   WebExtractor \ DataExtractor \ DataExtractorTypes; uso   WebExtractor \ Client \ Client;

     

$ fabbrica = DataExtractorFactory :: getFactory (); $ Estrattore =   $ fabbrica> createDataExtractor (DataExtractorTypes :: CSS); $ Client = new   Cliente; $ Content =   $ Client-> get ( ' https://en.wikipedia.org/wiki/2014_Winter_Olympics ' );   $ Extractor-> setContent ($ content); $ H1 =   $ Extractor-> setSelector ( 'H1') -> estratto ();

Autorizzato sotto: CC-BY-SA insieme a attribuzione
Non affiliato a StackOverflow
scroll top