PHP 使用 domdocument 提取 DIV 块的内容

Question

提取DIV块的内容。 Div块中还有更多的块。我想检索一些信息。有几个 Div 块。最好能运行进入foreach循环。

$dom_document = new DOMDocument();
libxml_use_internal_errors(true);
$dom_document->loadHTML($html);
libxml_clear_errors();
$dom_document->preserveWhiteSpace = false;

//use DOMXpath to navigate the html with the DOM
$xpath = new DOMXpath($dom_document);

$items = $xpath->query('//div[contains(@class,"card")]');
foreach ($items as $item) {

   $title = $xpath->xpath('.//div[@class="card-header"]/div/a[@class="text-number"]');

}

echo $title;

der HTML-Code大足:


        <div class="row">
          <div class="col-xl-4 col-lg-6 col-md-6 col-smr-2 my-12 col-xs-12 mt-2 mb-3">
                    <div class="card">
                      <div class="card-header">
                        <div class="d-flex mb-2"><a class="text-number" href="/read/3325" id="3325">NUMBER</a>
                          </div>
                        </div>
                        <div class="d-flex">
                          <h5><a class="mr-auto" href="LINK" target="_blank">TITLE</a>
                          </h5>
                        </div>
                        <div class="d-flex"> <strong class="mr-2">AUTOR</strong><span class="mr-2">RANDOM-NUMBER</span>
                          <time class="text-muted mr-2" datetime="2019-04-26T01:20:28.000Z">TIME</time>
                        </div>
                      </div>
                      <div class="card-body">
                        <div class="card-text">CONTENT</div>
                      </div>
                    </div>
          </div>
          <div class="col-xl-4 col-lg-6 col-md-6 col-smr-2 my-12 col-xs-12 mt-2 mb-3">
                    <div class="card">
                      <div class="card-header">
                        <div class="d-flex mb-2"><a class="text-number" href="/read/3325" id="3325">NUMBER</a>
                          </div>
                        </div>
                        <div class="d-flex">
                          <h5><a class="mr-auto" href="LINK" target="_blank">TITLE</a>
                          </h5>
                        </div>
                        <div class="d-flex"> <strong class="mr-2">AUTOR</strong><span class="mr-2">RANDOM-NUMBER</span>
                          <time class="text-muted mr-2" datetime="2019-04-26T01:20:28.000Z">TIME</time>
                        </div>
                      </div>
                      <div class="card-body">
                        <div class="card-text">CONTENT</div>
                      </div>
                    </div>
          </div>
          <div class="col-xl-4 col-lg-6 col-md-6 col-smr-2 my-12 col-xs-12 mt-2 mb-3">
                    <div class="card">
                      <div class="card-header">
                        <div class="d-flex mb-2"><a class="text-number" href="/read/3325" id="3325">NUMBER</a>
                          </div>
                        </div>
                        <div class="d-flex">
                          <h5><a class="mr-auto" href="LINK" target="_blank">TITLE</a>
                          </h5>
                        </div>
                        <div class="d-flex"> <strong class="mr-2">AUTOR</strong><span class="mr-2">RANDOM-NUMBER</span>
                          <time class="text-muted mr-2" datetime="2019-04-26T01:20:28.000Z">TIME</time>
                        </div>
                      </div>
                      <div class="card-body">
                        <div class="card-text">CONTENT</div>
                      </div>
                    </div>
          </div>
          </div>

我需要以下信息 - 数字 - LINK - 标题 - 作者 - RANDOM-NUMBER - 时间 - 内容

非常感谢您的帮助。如果有人知道就太好了。

Answer 1

这是一个必须从每个 $item 中开始的 XML 中选择单个元素的情况。

使用 DOMDocument，更容易坚持使用 XPath 表达式，但使用 descendant:: 以确保搜索的节点在指定为 evaluate() 的第三个参数的开始元素内。因为每个点都需要一个字符串值——我使用了 evaluate('string(...))，因为这将 return 一个字符串，而 query() 将 return 一个 DOMNodeList，然后您需要对其进行处理。

我希望 XPath 在上述情况下有意义，唯一奇怪的是内容。因为这是下一个节点（而不是子节点），所以我使用 following-sibling:: 来访问它。

$items = $xpath->query('//div[@class="card"]');
foreach ($items as $item) {
    $title = $xpath->evaluate('string(descendant::*//a[@class="text-number"])', $item);
    $link = $xpath->evaluate('string(descendant::div[@class="d-flex"][1]/h5/a/@href)', $item);
    $title = $xpath->evaluate('string(descendant::div[@class="d-flex"][1]/h5/a)', $item);
    $autor = $xpath->evaluate('string(descendant::div[@class="d-flex"][2]/strong)', $item);
    $randomNumber = $xpath->evaluate('string(descendant::div[@class="d-flex"][2]/span)', $item);
    $time = $xpath->evaluate('string(descendant::div[@class="d-flex"][2]/time)', $item);
    $content = $xpath->evaluate('string(following-sibling::*//div[@class="card-text"])', $item);

    echo $title."/".$link."/".$title."/".$autor."/".$randomNumber.
        "/".$time."/".$content.PHP_EOL;
}

有关 descendant:: 和 following-sibling:: 等内容的更多信息，它们是在 here.

中讨论的 XPath 轴

PHP 使用 domdocument 提取 DIV 块的内容

PHP Extracting the Contents of a DIV Block with domdocument

php

html

xpath

domdocument