PHP用domdocument提取DIV块的内容

Question

提取DIV块的内容。 Div区块中有更多区块。我想要检索一些信息。有几个Div区块。如果它可能遇到foreach循环将是最好的。

$dom_document = new DOMDocument();
libxml_use_internal_errors(true);
$dom_document->loadHTML($html);
libxml_clear_errors();
$dom_document->preserveWhiteSpace = false;

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

$items = $xpath->query('//div[contains(@class,"card")]');
foreach ($items as $item) {

   $title = $xpath->xpath('.//div[@class="card-header"]/div/a[@class="text-number"]');

}

echo $title;

HTML代码：

        <div class="row">
          <div class="col-xl-4 col-lg-6 col-md-6 col-smr-2 my-12 col-xs-12 mt-2 mb-3">
                    <div class="card">
                      <div class="card-header">
                        <div class="d-flex mb-2"><a class="text-number" href="/read/3325" id="3325">NUMBER</a>
                          </div>
                        </div>
                        <div class="d-flex">
                          <h5><a class="mr-auto" href="LINK" target="_blank">TITLE</a>
                          </h5>
                        </div>
                        <div class="d-flex"> <strong class="mr-2">AUTOR</strong><span class="mr-2">RANDOM-NUMBER</span>
                          <time class="text-muted mr-2" datetime="2019-04-26T01:20:28.000Z">TIME</time>
                        </div>
                      </div>
                      <div class="card-body">
                        <div class="card-text">CONTENT</div>
                      </div>
                    </div>
          </div>
          <div class="col-xl-4 col-lg-6 col-md-6 col-smr-2 my-12 col-xs-12 mt-2 mb-3">
                    <div class="card">
                      <div class="card-header">
                        <div class="d-flex mb-2"><a class="text-number" href="/read/3325" id="3325">NUMBER</a>
                          </div>
                        </div>
                        <div class="d-flex">
                          <h5><a class="mr-auto" href="LINK" target="_blank">TITLE</a>
                          </h5>
                        </div>
                        <div class="d-flex"> <strong class="mr-2">AUTOR</strong><span class="mr-2">RANDOM-NUMBER</span>
                          <time class="text-muted mr-2" datetime="2019-04-26T01:20:28.000Z">TIME</time>
                        </div>
                      </div>
                      <div class="card-body">
                        <div class="card-text">CONTENT</div>
                      </div>
                    </div>
          </div>
          <div class="col-xl-4 col-lg-6 col-md-6 col-smr-2 my-12 col-xs-12 mt-2 mb-3">
                    <div class="card">
                      <div class="card-header">
                        <div class="d-flex mb-2"><a class="text-number" href="/read/3325" id="3325">NUMBER</a>
                          </div>
                        </div>
                        <div class="d-flex">
                          <h5><a class="mr-auto" href="LINK" target="_blank">TITLE</a>
                          </h5>
                        </div>
                        <div class="d-flex"> <strong class="mr-2">AUTOR</strong><span class="mr-2">RANDOM-NUMBER</span>
                          <time class="text-muted mr-2" datetime="2019-04-26T01:20:28.000Z">TIME</time>
                        </div>
                      </div>
                      <div class="card-body">
                        <div class="card-text">CONTENT</div>
                      </div>
                    </div>
          </div>
          </div>

我需要以下信息 - NUMBER - LINK - TITLE - AUTOR - RANDOM-NUMBER - TIME - CONTENT

我非常感谢你的帮助。如果有人知道它会很棒。

Answer 1

这是一个必须从每个$item中开始从XML中选择单个元素的情况。

使用DOMDocument，更容易坚持使用XPath表达式，但使用descendant::确保搜索的节点位于start元素中，该元素被指定为evaluate()的第三个参数。因为每个点都需要一个字符串值 - 我使用了evaluate('string(...))，因为这将返回一个字符串，而query()将返回一个DOMNodeList，然后您需要处理它。

我希望XPath在上面有意义，唯一奇怪的是内容。由于这是下一个节点（而不是子节点），我使用following-sibling::来访问它。

$items = $xpath->query('//div[@class="card"]');
foreach ($items as $item) {
    $title = $xpath->evaluate('string(descendant::*//a[@class="text-number"])', $item);
    $link = $xpath->evaluate('string(descendant::div[@class="d-flex"][1]/h5/a/@href)', $item);
    $title = $xpath->evaluate('string(descendant::div[@class="d-flex"][1]/h5/a)', $item);
    $autor = $xpath->evaluate('string(descendant::div[@class="d-flex"][2]/strong)', $item);
    $randomNumber = $xpath->evaluate('string(descendant::div[@class="d-flex"][2]/span)', $item);
    $time = $xpath->evaluate('string(descendant::div[@class="d-flex"][2]/time)', $item);
    $content = $xpath->evaluate('string(following-sibling::*//div[@class="card-text"])', $item);

    echo $title."/".$link."/".$title."/".$autor."/".$randomNumber.
        "/".$time."/".$content.PHP_EOL;
}

有关像descendant::和following-sibling::这样的事情的更多信息，他们是XPath Axes，谈论here。