PHP xpath提取网页数据内容代码解析

吾爱主题阅读：115 2021-10-20 13:15:00 评论：0

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。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 /** * 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。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 /** * 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

1 2 3 4 5 6 7 8 9 10 11 12 13 14 <?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服务器之家。

原文链接：https://www.cnblogs.com/wangluochong/p/13222665.html

可以去百度分享获取分享代码输入这里。

声明

1.本站遵循行业规范，任何转载的稿件都会明确标注作者和来源；2.本站的原创文章，请转载时务必注明文章作者和来源，不尊重原创的行为我们将追究责任；3.作者投稿可能会经我们编辑修改或补充。