我做了很多研究，但我没有找到答案。我试图从网页获取一些信息，其中包含以下HTML结构
<div id="xxx" class="some1">
<h1>This is the time</h1>
<div class="ti12">
<div class="sss"></div>
<div class="sss">
<span class="hhh">
<div class="sded">
City:
<span class="sh">CCC</span>
</div>
</span>
</div>
</div>
.
.
.
<div class="pp12"></div>
</div>
现在，我正在做的是以同样的方式获取城市的名称和类似的其他信息。
我必须从上面的代码中找到这些信息。
$arr=array('City', 'Name', 'Address', 'DOB');
如果存在获取其值，则将其留空。
希望我很清楚。
以下代码尝试了：
<?php
include "simple_html_dom.php";
$html = new simple_html_dom();
$listItem = array('City', 'Name', 'Address', 'DOB');
$html->load_file('simp.html');
$found=array();
foreach($listItem as $item){
$ret = $html->find('div[id=xxx] div',0);
iterateParentNode($ret, $item);
}
function iterateParentNode($ret1, $item1){
for ($node=0;$node < count($ret1->children());$node++){
$child=$ret1->children($node);
echo count($ret1->children())."<br/>";
if(count($ret1->children())==1 && strpos($child, '<span class="sh"')!==false ){
$found[$item1]=$ret1->find('span[class=sh]',0)->plaintext;
return true;
}else{
goThroughChildNode($child, $item1);
}
}
}
function goThroughChildNode($child1, $item2){
echo $child1."ITEM:".$item2;
if(strpos($child1, $item2)!==false){
iterateParentNode($child1, $item2);
}else{
return false ;
}
return true;
}
foreach ($found as $structure=>$data){
echo $structure."=>".$data."<br />";
}
?>
我知道我的PHP方法不好，所以请考虑我的PHP代码，建议我这样做的好方法。
答案 0 :(得分：0)
使用正则表达式执行此操作可能最简单。当然，如果HTML结构发生变化，它将会中断。
if (ereg('<div.*?h1>(.*?)</h1>.*?City:.*?>(.*?)<', $input, $regs)) {
$title = $regs[1];
$city = $regs[2];
} else {
$title = "";
$city = "";
}
/*
Match 1 of 1
Matched text: <div id="xxx" class="some1">
<h1>This is the time</h1>
<div class="ti12">
<div class="sss"></div>
<div class="sss">
<span class="hhh">
<div class="sded">
City:
<span class="sh">CCC<
Match offset: 0
Match length: 282
Group 1: This is the time
Group 1 offset: 42
Group 1 length: 16
Group 2: CCC
Group 2 offset: 278
Group 2 length: 3
*/
// <div.*?h1>(.*?)</h1>.*?City:.*?>(.*?)<
//
// Match the characters "<div" literally «<div»
// Match any single character «.*?»
// Between zero and unlimited times, as few times as possible, expanding as needed (lazy) «*?»
// Match the characters "h1>" literally «h1>»
// Match the regular expression below and capture its match into backreference number 1 «(.*?)»
// Match any single character «.*?»
// Between zero and unlimited times, as few times as possible, expanding as needed (lazy) «*?»
// Match the characters "</h1>" literally «</h1>»
// Match any single character «.*?»
// Between zero and unlimited times, as few times as possible, expanding as needed (lazy) «*?»
// Match the characters "City:" literally «City:»
// Match any single character «.*?»
// Between zero and unlimited times, as few times as possible, expanding as needed (lazy) «*?»
// Match the character ">" literally «>»
// Match the regular expression below and capture its match into backreference number 2 «(.*?)»
// Match any single character «.*?»
// Between zero and unlimited times, as few times as possible, expanding as needed (lazy) «*?»
// Match the character "<" literally «<»
答案 1 :(得分：0)
手动遍历的一种替代方法是查询数据。在DOMDocument中，这通常是使用XPath完成的，XPath是一种专门用于完成该工作的语言。
您使用的库不支持XPath，但PHP确实支持它。 PHP也支持DOMDocument开箱即用，所以我认为我可以安全地建议你这样做。
因此，在您的情况下，您首先要查看带有ID的div：
//div[@id="xxx"]
然后在某个地方的div里面：
//div
如果没有特定的名字（孩子），那么你想要另一个元素：
//*
但是那些需要匹配一个特定的模式：这里，包含一个带有“sh”类属性的span，它必须是那里的第一个跨度，在跨度之前必须有一些文本：
[
span[@class="sh"]
and span = span[@class="sh"]
and span/preceding-sibling::text()
]
和那个你想要第一个文本节点子节点的孩子：
/text()[1]
所以只是一目了然地看到这一点：
//div[@id="xxx"]
//div
//*[
span[@class="sh"]
and span = span[@class="sh"]
and span/preceding-sibling::text()
]
/text()[1]
这将为您提供命名的字符串，如“City：”等。然后，下一个兄弟（span）将包含值。
您需要做的就是将其包装到代码中（这里我加载一个字符串，但您也可以使用 loadHTMLFile() 加载HTML文件，检查上面的DOMDocument链接所有的荣耀细节）：
$dom = new DOMDocument();
$dom->loadHTML($string);
$xp = new DOMXPath($dom);
foreach ($xp->query('
//div[@id="xxx"]
//div
//*[
span[@class="sh"]
and span = span[@class="sh"]
and span/preceding-sibling::text()
]
/text()[1]
'
) as $node
) {
$name = trim($node->nodeValue);
$value = trim($node->nextSibling->nodeValue);
printf("%s %s\n", $name, $value);
}
示例HTML的输出：
City: CCC
我希望这可以激励您研究DOMDocument并帮助您探索XPath的强大功能。
答案 2 :(得分：0)
我花了一段时间才能做到正确，但是这段代码使用Simple HTML Dom遍历整个DOM。希望有人可以使用它。
<?php
$html = new simple_html_dom();
$html->load('<html><body>'.$text.'</body></html>');
if(method_exists($html,"childNodes")){
if($html->find('html')) {
//IF NOT OK, THROW ERROR
}}
$e=$html->find('body',0);
$p=$e->childNodes(0);
if(!$p){
//BODY HAS NO CHILDNODES< THROW ERROR
}
$loop=true;
//SAFEGUARD, PREVENTS INDEFINITE LOOPS
$i=$j=0;
$i_max=500;
$j_max=500;
while($loop==true){
//SAFEGUARD, PREVENTS INDEFINITE LOOPS
$i=0;$i++;if($i>$i_max){$loop=false;break;}
//TEST IF NODE HAS CHILDREN
$p=$e->childNodes(0);
//NO CHILDREN
if(!$p){
//DO SOMETHING WITH NODE
clean_dom($e->outertext);
//TEST IF NODE HAS SIBLING
$p=$e->next_sibling();
if(!$p){
//NO SIBLING
//TEST THE PARENT, LOOP TILL WE FIND A SIBLING
$j=0;$sib_loop=true;
while($sib_loop==true){
//SAFEGUARD, PREVENTS INDEFINITE LOOPS
$j++;if($j>$j_max){$sib_loop=false;break;}
//TEST IF THERE IS A PARENT
$e=$e->parent();
//NO PARENT, WE'VE REACHED THE TOP AGAIN
if(!$e){
echo'***THE END***';
$sib_loop=$loop=false;break;}
//ELSE, TEST IF PARENT HAS SIBLING
$p=$e->next_sibling();
//THERE IS A SIBBLING, GO THERE
if($p){
//DO SOMETHING WITH THIS NODE
clean_dom($e->outertext);
$e=$e->next_sibling();
$sib_loop=false;break;
}
else{
$ret=clean_dom($e->outertext,$all);
$e->outertext=$ret;
}
}
}
else{
//GOTO SIBLING
$e=$e->next_sibling();
}
}
else{
//THERE IS A CHILD
$e=$e->childNodes(0);
}
}
$text=$html->save();
$html->clear();
unset($html);
function clean_dom($e){
//DO SOMETHING HERE
}