Question

我有一个数据库表，其中包含一列中的以下数据格式。

<table cellspacing="1" cellpadding="0" border="0" width="395">
    <tbody>
        <tr>
            <td valign="top" width="135">
                <p>Calories (kcal)<br>Energy (kj)<br>Fats<br>Carbohydrates<br>Protein<br></p>
            </td>
            <td valign="top">
                <p>178<br>748<br>0 g<br>9.6 g<br>0.1 g<br></p>
            </td>
            <td valign="top" width="135">
                <p>Fiber<br>Sugars<br>Cholesterol<br>Sodium<br>Alcohol<br></p>
            </td>
            <td valign="top">
                <p>0 g<br>-<br>0 mg<br>-<br>26.2 g<br></p>
            </td>
        </tr>
    </tbody>
</table>

我想创建另一个数据库，其中包含Calories，Fats，Carbohydrates和Protein的单独列。为了分离这些数据，我需要从旧数据库中获取数据并像这样解析它。

$qry = "SELECT * FROM table";
$res = $mysqli->query($qry);

// new dom object
$dom = new DOMDocument();

while ($row = $res->fetch_assoc()) {

    $html = @$dom->loadHTML($row['columndata']);
    //the table by its tag name
    $tables = $dom->getElementsByTagName('table');
    $rows = $tables->item(0)->getElementsByTagName('tr');

    foreach ($rows as $row)
    {
        $cols = $row->getElementsByTagName('td');
        echo $cols->item(0)->nodeValue.'<br />';
        echo $cols->item(1)->nodeValue.'<br />';
    }
}

这输出以下内容：

Calories (kcal)Energy (kj)FatsCarbohydratesProtein  
1787480 g9.6 g0.1 g

我无法将输出字符串分隔为在新数据库中具有正确的列值。

例如，我希望178列中的值Calories，0 g列中的Fats等等。

Answer 1

如果您想获得 td 元素的innerHTML，可以使用以下构造：

$tdElement = $row->getElementsByTagName('td')->item(0);
$tdElement->ownerDocument->saveHTML( $tdElement );

它应该将该节点的内部html作为字符串返回。

Answer 2

尝试迭代P元素的子节点：

foreach ($rows as $row)
{
    $paragraphs = $row->getElementsByTagName('p');
    //ensure that all the text between <br> is in one text node
    $paragraphs->item(0)->normalize();
    foreach($paragraphs->item(0)->childNodes as $node) {
        if ($node->nodeType == XML_TEXT_NODE) {
            echo $node->nodeValue . '<br/>;
        }
    }

}

在p元素上调用normalize（）非常重要，以确保br元素之间的文本分别位于一个文本节点中，而不是分开，例如<p>Calories (kcal)<br>Energy (kj)<br>...</p>将文本节点为Calories (kcal)和Energy (kj)，而不是Cal，ories (，kcal)等等，它们可能没有标准化。

在PHP中解析HTML表

2 个答案: