В PHP, как вы очищаете DOMDocument для определенного текстового шаблона, а затем получаете родительский элемент текстового узла этого соответствующего текста? - PullRequest
Новая
       23

В PHP, как вы очищаете DOMDocument для определенного текстового шаблона, а затем получаете родительский элемент текстового узла этого соответствующего текста?

0 голосов
/ 09 марта 2011

Я создал простую утилиту для очистки веб-страниц с помощью PHP и cURL, и использую подобный код для захвата определенных элементов очищенной страницы по идентификатору или по имени тега, где в нужном элементе отсутствует идентификатор: 1001 * 

$dom = new DOMDocument();
@$dom->loadHTML($response);
$table = $dom->getElementsByTagName('table')->item(4);
$response = $dom->saveXML($table);

Теперь я столкнулся с дилеммой, когда мне нужно сделать еще один шаг и найти родительский элемент определенной строки или шаблона регулярного выражения, потому что сайт, с которого мне нужно собирать данные, не имеет идентификаторов. или классы в элементах HTML, из которых мне нужно извлечь данные, и на разных страницах данные могут быть организованы по-разному, поэтому я не всегда могу полагаться на данные, содержащиеся в таблице #X. Единственный надежный способ получить данные, которые мне нужны от этого сайта, - это искать их по текстовому формату, который всегда будет числовым списком, начинающимся с «1». Они также не используют упорядоченные списки или было бы намного проще. Это просто простая ячейка таблицы с числовыми строками, разделенными простым <br>.

Итак, я подумал, что если бы я мог найти «1», то его родительский элемент был бы ячейкой таблицы <td>, и, найдя ее, мне нужно было бы извлечь ее содержимое и, возможно, содержимое любого другого ячейки соседней таблицы в этой строке таблицы. Других примеров «1», которые я мог бы найти на странице или в HTML-коде, нет, поэтому такой подход кажется разумным, если не хакерским, но я отвлекся.

Итак, как лучше всего подойти к чему-то подобному?

1 Ответ

2 голосов
/ 09 марта 2011

Вы всегда можете попробовать запрос XPath, как показано ниже (при условии, что содержимое, которое вы ищете, всегда находится в ячейке таблицы) 

$xpath = new DOMXPath($dom);
$cells = $xpath->query('//table/tr/td[contains(.,"1. ")]');
if ($cells->length > 0) {
    // get first item
    $cell = $cells->item(0);
    echo $cell->nodeValue; // text content only
    echo $dom->saveXML($cell); // <td>1. ... </td>
}
...