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