как использовать DOM PHP парсер - PullRequest
Новая
       22

как использовать DOM PHP парсер

13 голосов
/ 07 июня 2009

Я новичок в разборе DOM в PHP:
У меня есть файл HTML, который я пытаюсь разобрать. У него есть куча DIV, таких как: 

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

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

Я пытаюсь получить содержимое множества блоков div с помощью php. Как я могу использовать DOM-парсер для этого?

Спасибо!

Ответы [ 4 ]

20 голосов
/ 20 июля 2009

Сначала я должен сказать вам, что вы не можете использовать один и тот же идентификатор для двух разных div; Есть классы на этот счет. Каждый элемент должен иметь уникальный идентификатор.

Код для получения содержимого div с id = "интересный ящик "

$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
}

Пример с классами: 

$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
}

Подробнее см. На странице DOMXPath .

6 голосов
/ 07 июня 2009

Я получил это для работы, используя simplehtmldom в качестве начала: 

$html = file_get_html('example.com');
foreach ($html->find('div[id=interestingbox]') as $result)
{
    echo $result->innertext;
}
0 голосов
/ 19 февраля 2014

WebExtractor: https://github.com/knyga/webextractor Может анализировать страницы с помощью селекторов css, regex, xpath.

Смотрите пакет и тесты для примеров:

use WebExtractor \ DataExtractor \ DataExtractorFactory; использование WebExtractor \ DataExtractor \ DataExtractorTypes; использование WebExtractor \ Client \ Client;

$ factory = DataExtractorFactory :: getFactory (); $ extractor = $ заводской> createDataExtractor (DataExtractorTypes :: CSS); $ client = new Клиент; $ content = $ Client-> Get ( 'https://en.wikipedia.org/wiki/2014_Winter_Olympics'); $ Extractor-> setContent ($ содержание); $ h1 = $ Extractor-> setSelector ( 'h1') -> экстракт ();

0 голосов
/ 06 марта 2013

Очень хорошая функция от 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 />"
...