come utilizzare dom php parser
-
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!
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 ();