Question

使用PHP Xpath尝试快速拉取html页面中的某些链接。

以下内容将在mypage.html上找到所有href链接： $nodes = $x->query("//a[@href]");

以下将找到描述与我的针匹配的所有href链接： $nodes = $x->query("//a[contains(@href,'click me')]");

我想要实现的是匹配href本身，更具体的发现包含某些参数的url。这可能在Xpath查询中，还是我应该开始操作第一个Xpath查询的输出？

Answer 1

我不确定我是否正确理解了这个问题，但第二个XPath表达式已经完成了您所描述的内容。它与A元素的文本节点不匹配，但与href属性匹配：

$html = <<< HTML
<ul>
    <li>
        <a href="http://example.com/page?foo=bar">Description</a>
    </li>
    <li>
        <a href="http://example.com/page?lang=de">Description</a>
    </li>
</ul>
HTML;

$xml  = simplexml_load_string($html);
$list = $xml->xpath("//a[contains(@href,'foo')]");

输出：

array(1) {
  [0]=>
  object(SimpleXMLElement)#2 (2) {
    ["@attributes"]=>
    array(1) {
      ["href"]=>
      string(31) "http://example.com/page?foo=bar"
    }
    [0]=>
    string(11) "Description"
  }
}

如您所见，返回的NodeList仅包含href包含foo的A元素（我理解的是您正在寻找的内容）。它包含整个元素，因为XPath转换为使用包含foo 的href属性获取所有A元素。然后，您将使用

访问该属性

echo $list[0]['href'] // gives "http://example.com/page?foo=bar"

如果您只想返回属性本身，则必须执行

//a[contains(@href,'foo')]/@href

请注意，在SimpleXml中，这将返回一个SimpleXml元素：

array(1) {
  [0]=>
  object(SimpleXMLElement)#3 (1) {
    ["@attributes"]=>
    array(1) {
      ["href"]=>
      string(31) "http://example.com/page?foo=bar"
    }
  }
}

但您现在可以通过

输出网址

echo $list[0] // gives "http://example.com/page?foo=bar"

PHP Xpath：获取包含needle的所有href值

1 个答案: