Как использовать dom php parser

Я новичок в разборе DOM в PHP:
У меня есть файл HTML, который я пытаюсь проанализировать. У этого есть куча DIVs, как это:

<div id="interestingbox"> 
   <div id="interestingdetails" class="txtnormal">
        <div>Content1</div>
        <div>Content2</div>
   </div>
</div>

<div id="interestingbox"> 
......

Я пытаюсь получить содержимое многих полей div, используя php. Как я могу использовать парсер DOM для этого?

Спасибо!

Ответы

Ответ 1

Сначала я должен сказать вам, что вы не можете использовать один и тот же идентификатор на двух разных div; для этого есть классы. Каждый элемент должен иметь уникальный идентификатор.

Код для получения содержимого div с id = "interestingbox"

$html = '
<html>
<head></head>
<body>
<div id="interestingbox"> 
   <div id="interestingdetails" class="txtnormal">
        <div>Content1</div>
        <div>Content2</div>
   </div>
</div>

<div id="interestingbox2"><a href="#">a link</a></div>
</body>
</html>';


$dom_document = new DOMDocument();

$dom_document->loadHTML($html);

//use DOMXpath to navigate the html with the DOM
$dom_xpath = new DOMXpath($dom_document);

// if you want to get the div with id=interestingbox
$elements = $dom_xpath->query("*/div[@id='interestingbox']");

if (!is_null($elements)) {

  foreach ($elements as $element) {
    echo "\n[". $element->nodeName. "]";

    $nodes = $element->childNodes;
    foreach ($nodes as $node) {
      echo $node->nodeValue. "\n";
    }

  }
}

//OUTPUT
[div]  {
        Content1
        Content2
}

Пример с классами:

$html = '
<html>
<head></head>
<body>
<div class="interestingbox"> 
   <div id="interestingdetails" class="txtnormal">
        <div>Content1</div>
        <div>Content2</div>
   </div>
</div>

<div class="interestingbox"><a href="#">a link</a></div>
</body>
</html>';

//the same as before.. just change the xpath

[...]

$elements = $dom_xpath->query("*/div[@class='interestingbox']");

[...]

//OUTPUT
[div]  {
        Content1
        Content2
}

[div]  {
a link
}

Подробнее см. DOMXPath.

Ответ 2

Я получил это для работы с simplehtmldom в начале:

$html = file_get_html('example.com');
foreach ($html->find('div[id=interestingbox]') as $result)
{
    echo $result->innertext;
}

Ответ 3

Очень хорошая функция из http://www.sitepoint.com/forums/showthread.php?611393-php5-need-something-like-innerHTML-instead-of-nodeValue

function innerXML($node) 

{ 

    $doc  = $node->ownerDocument; 

    $frag = $doc->createDocumentFragment(); 

    foreach ($node->childNodes as $child) 

    { 

        $frag->appendChild($child->cloneNode(TRUE)); 

    } 

    return $doc->saveXML($frag); 

}  


$dom = new DOMDocument(); 

$dom->loadXML(' 

<html> 

<body> 

<table> 

<tr> 

    <td id="foo">  

        The first bit of Data I want 

        <br />The second bit of Data I want 

        <br />The third bit of Data I want 

    </td> 

</tr> 

</table> 

<body> 

<html> 



'); 

$xpath = new DOMXPath($dom); 

$node = $xpath->evaluate("/html/body//td[@id='foo' ]"); 

$dataString = innerXML($node->item(0)); 
$dataArr = explode("<br />", $dataString); 

$dataUno = $dataArr[0]; 
$dataDos = $dataArr[1]; 
$dataTres = $dataArr[2]; 

echo "firstdata = $nameUno<br />seconddata = $nameDos<br />thirddata = $nameTres<br />"

Ответ 4

WebExtractor: https://github.com/knyga/webextractor Он может анализировать страницу с помощью селекторов css, regex, xpath.

Посмотрите пакет и тесты для примеров:

использовать WebExtractor\DataExtractor\DataExtractorFactory; использование WebExtractor\DataExtractor\DataExtractorTypes; использование WebExtractor\Client\Client;

$factory= DataExtractorFactory:: getFactory(); $extractor = $ factory → createDataExtractor (DataExtractorTypes:: CSS); $client = new Клиент; $content = $client- > get ('https://en.wikipedia.org/wiki/2014_Winter_Olympics'); $Extractor- > setContent ($ содержание); $h1 = $Extractor- > setSelector ( 'h1') → экстракт();