Question

我正在尝试从此RSS Feed http://www.autoexpress.co.uk/car-news/feed/获取每个项目的标题，说明，链接，图片和日期。但是不明白为什么，链接标签和图像标签的src是不可能获得的，其余的工作正常。这就是我试过的：

<?php
    include "testing3/lib/simple_html_dom.php";
    $url = 'http://www.autoexpress.co.uk/car-news/feed';
    $rss= file_get_html($url);
    $items = $rss->find('item');
    foreach ($items as $article) {
        $title[] = $article->find('title',0)->plaintext;
        $description[] = $article->find('description',0)->plaintext;
        $link[] = $article->find('link', 0)->plaintext;
        $image[] = $article->find('img', 0);
        $date[] = $article->find('pubDate', 0)->plaintext;
    }
    echo 'Title is '.$title[0].'<br>';
    echo 'Description is '.strip_tags(html_entity_decode($description[0])).'<br>';
    echo 'Link is '.$link[1].'<br>';
    echo 'Date is '.$date[1].'<br>';
    echo 'Image Source is '.$image[1];
?>

这是输出标题是Fiat Panda 4x4 Antarctica评论 - 图片说明是图片查看全部8张图片24五月，2014 链接是日期是2014年5月23日星期五16:29:39 +0000 图像来源

var_dump($link);我得到一个空字符串数组：

array(40) { [0]=> string(0) "" [1]=> string(0) "" [2]=> string(0) "" etc

var_dump($image)同样的事情就是有NULL值。我错了什么？

Answer 1

你根本无法解析＆＃34;链接＆＃34;标签与PHP简单的HTML DOM解析器原因不明。我也使用了这个库，它从未解析过这些元素。您可以使用＆lt;创建一个简单的HTML文件。链接＆gt;元素，他们不会被解析。但是，如果将其更改为＆lt; link2＆gt; （或类似），解析器将立即开始工作。我想那就是＆＃34;链接＆＃34;是＆＃34;保留＆＃34;这个解析器中的单词，或者什么。

Answer 2

直接蝙蝠，这是一个非常令人讨厌的RSS提要。我的猜测是你的图书馆不能处理嵌套/转义的RSS标签。由于没有人在40多分钟内回复你，这就是沼泽标准方法：

            $rssfeed = simplexml_load_file('http://www.autoexpress.co.uk/car-news/feed');
            foreach ($rssfeed->channel as $channel) {

                echo '<ul>';
                foreach ($channel->item as $item) {
                    echo '<li><a href="' . htmlentities($item->link) . '"</a>';
                    echo htmlentities($item->title);
                    echo htmlentities($item->description);
                    echo htmlentities($item->img);
                    echo htmlentities($item->pubDate);
                    echo '</li>';
                }
                echo '</ul>';
            }

是的，甚至没有使用您在摘录顶部引用的库，但是它会抓取所需的代码，包括转义的img标签，即使之后需要进行一些严肃的清理。

实际上我认为这个脚本在img标签中失败了，但那是因为转义的img标签嵌套在描述中。

使用简单的HTML dom解析rss feed并不适用于所有元素

2 个答案: