[PHP] xpath提取网页数据内容


想要使用xpath来解析html内容, PHP自带两个对象

DOMDocumentDOMXpath,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 $nodeDOMElement 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); ?>




打赏

免责声明!

本站转载的文章为个人学习借鉴使用,本站对版权不负任何法律责任。如果侵犯了您的隐私权益,请联系本站邮箱yoyou2525@163.com删除。



 
粤ICP备18138465号  © 2018-2021 CODEPRJ.COM