欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

PHP xpath提取网页数据内容代码解析

程序员文章站 2022-03-21 23:33:03
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。 /** *...

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);    
?>

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。