PHP xpath提取網頁資料內容程式碼解析
阿新 • • 發佈：2020-07-17
想要使用xpath來解析html內容,PHP自帶兩個物件
DOMDocument，DOMXpath，其中初始化 loadHtml一般都會報很多警告，但是並不影響使用，用@遮蔽錯誤。
/**
* 初始化DOMXpath物件
*
* @param [type] $content 網頁內容
* @param [array] $pathinfo 匹配資訊
*
* @return void
*/
private function _createXpathObj($content,$patinfo)
{
// 如果沒有xpath配置項，不初始化xpath
if (!$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 為 DOMElement 物件。
/**
* 獲取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($outerHTML);
# 作為示例 輸出innerhtml
//$innerHTML = '';
//foreach ($node->childNodes as $childNode){
// $innerHTML .= $childNode->ownerDocument->saveHTML($childNode);
//}
//return $innerHTML;
# 作為示例 輸出文字不含標籤
//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);
?>以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支援我們。