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。