Зачистка с использованием PHP + SimpleXML ... Я могу получать изображения, но не необработанный текст?

Question

Я пытаюсь получить определенный фрагмент необработанного текста с веб-сайта. Используя этот сайт и другие источники, я узнал, как получать определенные изображения, используя simpleXML и xpath.

Однако тот же подход, похоже, не работает для захвата необработанного текста. Вот что сейчас НЕ работает.

// first I set the xpath of the div that contains the text I want
$xpath = '//*[@id="storyCommentCountNumber"]';

// then I create a new DOM Document
$html = new DOMDocument();

// then I fetch the file and parse it (@ suppresses warnings).
@$html->loadHTMLFile($url);

// then convert DOM to SimpleXML
$xml = simplexml_import_dom($html);   

// run an XPath query on the div I want using the previously set xpath
$commcount = $xml->xpath($xpath);
print_r($commcount);

Теперь, когда я получаю изображение, этот объект commcount будет возвращать массив, содержащий где-то источник изображений.

В этом случае я хочу, чтобы этот объект возвращал необработанный текст, содержащийся в div "storyCommentCountNumber". Но этот текст, кажется, не содержится в объекте, только название Div.

Что я делаю не так? Я могу видеть, что этот подход предназначен только для захвата HTML-элементов и битов внутри них, а не для необработанного текста. Как мне получить текст внутри этого div?

Спасибо!

Answer 1

Следует отметить, что когда вы используете print_r или var_dump для объектов SimpleXML, вы не увидите «текст» объекта (или иногда атрибуты). Таким образом, чтобы увидеть все , вы должны вывести полную строку XML, используя $ variable-> AsXml ().

И чтобы получить текст, вам нужно привести объект SimpleXml к строке. Это автоматически вытягивает внутренний текст.

 /* remember $commcount is always an array from the xpath */
 foreach($commcount as $str)
 {
     echo (string)$str;
 }

Надеюсь, вышесказанное поможет вам начать.

Answer 2

Я знаю, что вы пытаетесь использовать SimpleXML, но я думаю, что захват необработанного текста будет проще с регулярным выражением.

Answer 3

Можете ли вы включить образец HTML (включая несколько строк до и после выбранного элемента?) И вывод из print_r ()?

Вы можете попробовать следующее, чтобы увидеть, поможет ли это вам:

if ( count($commcount) > 0 ) {
    $divContent = $commcount[0]->asXml();
    print $divContent;
}

Answer 4

Необработанный текст внутри элемента div не является частью самого элемента div, скорее он является частью первого дочернего узла элемента div. Внутри div должен быть текстовый узел, содержащий искомые данные.

Answer 5

Попробуйте проверить эту страницу.

:)