在同一 table 行上选择 URL 作为不同 <td> 中的文本

Question

我有一个 table 正在尝试抓取，它看起来如下所示：

https://i.imgur.com/Hlemt1y.jpg

这里是table中一行的HTML：

<TR >

            <script>
                  if (document.getElementById("Function").value != 'Customer')
                            document.write('<td align="center">CO</td>');</script>
            <td align="left"><a href="OrdDetList.pgm?Order=8M216&Purpose=Customer&ShowPrice=&OpenOnly=Y">8M216 </a></td>
             <script> if (document.getElementById("Function").value != 'Customer')
                            document.write('<td align="center">R</td> <td align="center">O</td>');</script>
                            <td align="center">Backordered</td>
            <td align="left"><a href="OrdersList.pgm?Customer=33333&CompDiv=all&Function=Customer&OpenOnly=Y&ShowPrice= &YearsBack=      ">70036</a>
                    <a class=info href="#"><img src="../images/help.gif" border=none>
                        <span>
                        <div id="SoldToNameAddress">
                    123 our address<br>
                        </div>
                        </span>
                            </a>
                    </td>
            <td align="left">our company</td>
            <td align="left"><a href="OrdersList.pgm?Customer=33333&CompDiv=all&Function=Customer&OpenOnly=Y&ShowPrice= &YearsBack=      ">70037</a>
                    <a class=info href="#"><img src="../images/help.gif" border=none>
                        <span>
                        <div id="ShipToNameAddress">
                    our address
                        </div>
                        </span>
                            </a>
                    </td>
            <td align="left">our company name</td>
            <td align="left">70037</td>
            <td align="left">052317</td>
        <script>
                  if (document.getElementById("Function").value != 'Customer')
                            document.write('<td align="center">3</td>');</script>
            <td align="left"><a class=info href="#">17/05/23<span>May 23, 2017        </span></a></td>
            <td align="left"><a class=info href="#">17/05/23<span>May 23, 2017        </span></a></td>
            <td align="center"></td>

        </TR>

我的目标是 select URL:

<a href="OrdDetList.pgm?Order=8M216&Purpose=Customer&ShowPrice=&OpenOnly=Y">8M216 </a>

当我们的采购订单被搜索时<td align="left">052317</td>

我对使用 Xpath 还很陌生，所以到目前为止我能做的最多的就是能够通过搜索 8M216 直接获得 URL。但是我不确定如何使用 XPATH 根据另一个 table 单元格中的 PO 052317 给我另一个 URL。

到目前为止，这是我的代码，但由于我上面所说的，它有点无用：

<?php

$arrContextOptions=array(
    "ssl"=>array(
        "verify_peer"=>false,
        "verify_peer_name"=>false,
    ),
);

$html = file_get_contents('https://thewebsiteiamscraping', false, stream_context_create($arrContextOptions)); //get the html returned from the following url

$order_doc = new DOMDocument();

libxml_use_internal_errors(TRUE); //disable libxml errors

if(!empty($html)){ //if any html is actually returned

    $order_doc->loadHTML($html);
    libxml_clear_errors(); //remove errors for yucky html

    $order_xpath = new DOMXPath($order_doc);

    //get order URLS based on our PO#
    $order_row = $order_xpath->query('//a[text()="8M216 "]/@href');

    if($order_row->length > 0){
        foreach($order_row as $row){
            echo $row->nodeValue . "<br/>";
        }
    }
}
?>

Answer 1

I Think this XPath instruction will help you to find correct XPath

您可以在 Chrome 中打开一个控制台，然后通过键入 $x("your_xpath_here") 检查 XPath。这将 return 一个匹配值数组。如果它是空的，你知道页面上没有匹配项。

在同一 table 行上选择 URL 作为不同 <td> 中的文本

Selecting URL on same table row as text in different <td>

xml

xhtml

xpath