Question

首先，我已经看到了很多类似的问题。我知道正则表达式或dom可以使用，但我找不到任何好的DOM例子和正则表达式让我拉扯我的头发。另外，我需要从html源中提取多个值，一些只是内容，一些属性。

以下是我需要获取信息的html示例：

<div class="log">
    <div class="message">
        <abbr class="dt" title="time string">
            DATA_1
        </abbr>
        :
        <cite class="user">
            <a class="tel" href="tel:+xxxx">
                <abbr class="fn" title="DATA_2">
                    Me
                </abbr>
            </a>
        </cite>
        :
        <q>
            DATA_3
        </q>
    </div>
</div>

＆＃34;消息＆＃34;阻止可能发生一次或数百次。我想最终得到这样的数据：

array(4) {
    [0] => array(3) {
               ["time"] => "DATA_1"
               ["name"] => "DATA_2"
               ["message"] => "DATA_3"
           }
    [1] => array(3) {
               ["time"] => "DATA_1"
               ["name"] => "DATA_2"
               ["message"] => "DATA_3"
           }
    [2] => array(3) {
               ["time"] => "DATA_1"
               ["name"] => "DATA_2"
               ["message"] => "DATA_3"
           }
    [3] => array(3) {
               ["time"] => "DATA_1"
               ["name"] => "DATA_2"
               ["message"] => "DATA_3"
           }
}

我尝试使用simplexml但它似乎只适用于非常简单的html页面。有人可以把我链接到一些例子吗？我真的很困惑，因为我需要从title属性中获取DATA_2。您认为提取数据的最佳方式是什么？它似乎与我所做的XML提取非常相似，但我需要使用其他方法。

Answer 1

以下是使用DOMDocument和DOMXpath来解析HTML的示例。

$doc = new DOMDocument;
$doc->loadHTMLFile('your_file.html');
$xpath = new DOMXpath($doc);

$res = array();

foreach ($xpath->query('//div[@class="message"]') as $elem) {
    $res[] = array(
        'time' => $xpath->query('abbr[@class="dt"]', $elem)->item(0)->nodeValue,
        'name' => $xpath->query('cite/a/abbr[@class="fn"]', $elem)->item(0)->getAttribute('title'),
        'message' => $xpath->query('q', $elem)->item(0)->nodeValue,
    );
}

Answer 2

我可以建议使用xPath吗？对于你想做的事情来说，这似乎是一个完美的候选人（但我可能会误解你的要求）。

XPath将允许您选择XML / HTML树的特定节点，然后您可以从那里对它们进行操作。在那之后，它应该是一个简单的任务（或者最多只是一点点简单的正则表达式。就个人而言，我喜欢正则表达式，所以如果你需要帮助，请告诉我。）

您的XPath语句看起来像（假设没有冲突的名称）：

时间（数据1）：

/div/div/abbr/text()

名称（数据2）：

/div/div/cite/a/abbr/@title

消息（数据3）：

/div/div/q/text()

例如，如果你想通过他们的属性来识别元素，那么你可以获得比这更多的技术，但是我给你的东西会非常快。

从html中提取信息？

2 个答案: