[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

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); ?>