PHP xpath提取网页数据内容代码解析

发布:smiling　来源: PHP粉丝网　添加日期：2022-03-18 10:24:17　浏览: 评论：0　

这篇文章主要介绍了PHP xpath提取网页数据内容代码解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下。

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);

?>