PHP 从外部配方页面获取 application/ld+json 数据

Question

有人可以帮助我吗？我一直在到处搜索，但无法找到或生成正确的解决方案。我需要帮助从外部页面提取食谱数据。如果你看一下图像，你会注意到在同一页面上实现了几个 ld+json 标签，但我只需要提取配方数据并以 JSON 格式生成它，并且从那里，我知道如何将它加载到数据库中的 table。

是页面的URL。
ld-json 标签的位置，虽然在其他页面上有所不同。
我需要提取并以Json格式打印出来的数据。

我试过这个脚本，但我不确定如何从页面中只获取食谱数据。

$dom = new DOMDocument;
libxml_use_internal_errors(true);
$dom->loadHTMLFile('https://www.thecookingcat.com/recipes/fluffy-pancake.php');
libxml_clear_errors();

$recipe = array();
$xpath = new DOMXPath($dom);
$contentDiv = $dom->getElementById('content');
$recipe['title'] = $xpath->evaluate('string(div/h2/a)', $contentDiv);
foreach ($xpath->query('div/div/ul/li', $contentDiv) as $listNode) {
    $recipe['ingredients'][] = $listNode->nodeValue;
}
print_r($recipe);

Answer 1

您的代码似乎解析了页面的复杂 HTML，而不是使用您指定的 ld+json，这将以更简单、更易于访问的方式提供所有必要的数据。

所以，第一个建议，而不是使用 DOMXPath，只需像这样循环页面中的所有脚本：

foreach ($dom->getElementsByTagName('script') as $script) {

然后，为了避免尝试解析真正的 javascript 代码而只考虑 ld+json 内容，请检查 type 属性，如下所示：

if ($script->getAttribute('type') == "application/ld+json") {

您现在可以使用 $script->textContent

访问标签内的文本

通常，您可以直接将 json 解析为对象，但返回的文本有 2 个问题会使 json_decode 失败：

第一行有注释，我们可以用正则表达式去掉

$json_txt = preg_replace('@/\*.*?\*/@', '', $script->textContent);

它包含段落中的换行符，我们可以用另一个正则表达式将其删除

$json_txt = preg_replace("/\r|\n/", " ", trim($json_txt));

现在您已正确格式化 json，您可以将其解码为对象。

$json = json_decode($json_txt);

然后您可以轻松访问所有属性。例如，要获取食谱的名称，您可以使用

$json->name

对于成分，您已经有了一个数组，因此您甚至不必循环。

$json->recipeIngredient;

如果您愿意，当然可以将其分配给您自己的数组：

$recipe['title'] = $json->name;
$recipe['ingredients'] = $json->recipeIngredient;

这里是整体代码

$dom = new DOMDocument;
libxml_use_internal_errors(true);
$dom->loadHTMLFile('https://www.thecookingcat.com/recipes/fluffy-pancake.php');

$recipe = array();
foreach ($dom->getElementsByTagName('script') as $script) {
    if ($script->getAttribute('type') == "application/ld+json") {
        $json_txt = preg_replace('@/\*.*?\*/@', '', $script->textContent);
        $json_txt = preg_replace("/\r|\n/", " ", trim($json_txt));
        $json = json_decode($json_txt);

        if ($json->{'@type'} == "Recipe") {
            $recipe['title'] = $json->name;
            $recipe['ingredients'] = $json->recipeIngredient;
        }
    }
}

PHP 从外部配方页面获取 application/ld+json 数据

PHP Get application/ld+json data from external recipe page

php

json

metadata

recipe