Question

好吧所以我一直在与此争斗一段时间，所以也许有人可以帮助我。

我试图从这个HTML获取电子邮件链接：

<div id="field_11" class="fieldRow span12 lastFieldRow">
  <span class="caption">E-mail</span>
  <span class="output">
   <script type="text/javascript">
    <!--
     document.write('<a hr'+'ef="mai'+'lto'+':'+
      '%40;%67;%6d;%61;%69;%6c;<\/a>');
    //-->
   </script>
   <a href="mailto:%40%67%6d%61%69%6c">@mail</a>
  </span>
</div>

我试图获得＆＃39; @ mail＆＃39;部分html代码，在a href =＆＃34; mailto：...＆＃34;之后部分。不是document.write（）部分，而是代码中的最后一个标记。

出于某种原因，当我试图让标签的子项跨越输出类时，它认为它只有1个子节点，这是脚本标记，但我似乎无法抓取电子邮件纯文本。

到目前为止我所拥有的：

 $target_url = "some_web_site";
 $html = new simple_html_dom();
 $html->load_file($target_url);

foreach($html->find('span[class=output]') as $d){ 
    echo $d->children(1)->plaintext . "<br />";
 }

任何帮助？

Answer 1

也可以只使用DOM + Xpath。

$dom = new DOMDocument();
$dom->loadHtml($html);
//$dom->loadHtmlFile($htmlFile);
$xpath = new DOMXpath($dom);

var_dump(
  $xpath->evaluate(
    'string(//span[@class="output"]//a[starts-with(@href, "mailto:")])'
  )
);

输出：https://eval.in/148063

string(5) "@mail"

Xpath选择span属性的所有class元素＆＃34;输出＆＃34;

//span[@class="output"]

然后它会查找a属性以＆＃34开头的href元素; mailto：＆＃34;

//span[@class="output"]//a[starts-with(@href, "mailto:")]

结果是a个元素节点列表（示例内容为单个节点）。 string()函数将第一个节点强制转换为字符串，如果节点列表为空，则返回空字符串。

string(//span[@class="output"]//a[starts-with(@href, "mailto:")])

php简单的DOM解析器

1 个答案: