PHP xpath提取网页数据内容代码解析

时间：2021-05-26

想要使用xpath来解析html内容, PHP自带两个对象

DOMDocument，DOMXpath，其中初始化 loadHtml一般都会报很多警告，但是并不影响使用，用@屏蔽错误。

/** * 初始化DOMXpath对象 * * @param [type] $content 网页内容 * @param [array] $pathinfo 匹配信息 * * @return void */ private function _createXpathObj($content, $patinfo) { // 如果没有xpath配置项，不初始化xpath if (!$this->_existsXpathParse($patinfo)) { return; } try { $dom = new \DOMDocument(); @$dom->loadHtml($content); $dom->normalize(); $xpath = new \DOMXpath($dom); $this->xpathObj = $xpath; } catch (\Exception $e) { getService('logger')->warning('Parse html fail', ['content' => $content]); } }

其中 $node 为 DOMElement 对象。

/** * 获取Xpath解析值 * * @param [type] $pat 匹配模式 * * @return string */ private function _getXpathField($pat) { $objs = $this->xpathObj->query($pat); if ($objs->length > 0) { $node = $objs->item(0); $outerHTML = $node->ownerDocument->saveHTML($node); return trim($outerHTML); # 作为示例 输出innerhtml //$innerHTML = ''; //foreach ($node->childNodes as $childNode){ // $innerHTML .= $childNode->ownerDocument->saveHTML($childNode); //} //return $innerHTML; # 作为示例 输出文本不含标签 //return $node->textContent; //$node->nodeValue; } return ''; }

示例

<?php $dom = new DOMDocument('1.0','UTF-8'); $dom->loadHTML('<html><body><div><p>p1</p><p>p2</p></div></body></html>'); $node = $dom->getElementsByTagName('div')->item(0); $outerHTML = $node->ownerDocument->saveHTML($node); $innerHTML = ''; foreach ($node->childNodes as $childNode){ $innerHTML .= $childNode->ownerDocument->saveHTML($childNode); } echo '<h2>outerHTML: </h2>'; echo htmlspecialchars($outerHTML); echo '<h2>innerHTML: </h2>'; echo htmlspecialchars($innerHTML); ?>

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。

声明：本页内容来源网络，仅供用户参考；我单位不保证亦不表示资料全面及准确无误，也不保证亦不表示这些资料为最新信息，如因任何原因，本网内容或者用户因倚赖本网内容造成任何损失或损害，我单位将不会负任何法律责任。如涉及版权问题，请提交至online#300.cn邮箱联系删除。

相关文章