Question

我刚开始使用PHP Simple HTML DOM Parser（http://simplehtmldom.sourceforge.net/）并且在解析XML时遇到了一些问题。

我可以完美地解析HTML文档中的所有链接，但解析RSS源（XML格式）中的链接并不起作用。例如，我想解析http://www.bing.com/search?q=ipod&count=50&first=0&format=rss中的所有链接，因此我使用此代码：

$content = file_get_html('http://www.bing.com/search?q=ipod&count=50&first=0&format=rss');

foreach($content->find('item') as $entry)
{
$item['title']     = $entry->find('title', 0)->plaintext;
$item['description']    = $entry->find('description', 0)->plaintext;
$item['link'] = $entry->find('link', 0)->plaintext;
$parsed_results_array[] = $item;
}

print_r($parsed_results_array);

脚本解析标题和描述，但链接元素为空。有任何想法吗？我的猜测是＆＃34;链接＆＃34;是保留字还是什么，那么如何让解析器工作呢？

Answer 1

我建议你使用合适的工具来完成这项工作。使用SimpleXML：另外，它的内置：）

$xml = simplexml_load_file('http://www.bing.com/search?q=ipod&count=50&first=0&format=rss');
$parsed_results_array = array();
foreach($xml as $entry) {
    foreach($entry->item as $item) {
        // $parsed_results_array[] = json_decode(json_encode($item), true);
        $items['title'] = (string) $item->title;
        $items['description'] = (string) $item->description;
        $items['link'] = (string) $item->link;
        $parsed_results_array[] = $items;
    }
}

echo '<pre>';
print_r($parsed_results_array);

应该产生类似的东西：

Array
(
    [0] => Array
        (
            [title] => Apple - iPod
            [description] => Learn about iPod, Apple TV, and more. Download iTunes for free and purchase iTunes Gift Cards. Check out the most popular TV shows, movies, and music.
            [link] => http://www.apple.com/ipod/
        )

    [1] => Array
        (
            [title] => iPod - Wikipedia, the free encyclopedia
            [description] => The iPod is a line of portable media players designed and marketed by Apple Inc. The first line was released on October 23, 2001, about 8½ months after ...
            [link] => http://en.wikipedia.org/wiki/IPod
        )

Answer 2

如果您习惯使用PHP Simple HTML DOM，则可以继续使用它！太多的方法会产生混淆，而simplehtmldom已经很容易和强大。

请确保你这样开始：

require_once('lib/simple_html_dom.php');

$content =  file_get_contents('http://www.bing.com/search?q=ipod&count=50&first=0&format=rss');
$xml = new simple_html_dom();
$xml->load($content);

然后你可以跟你一起查询！

Answer 3

编辑simple_html_doom类

protected $self_closing_tags

删除键“链接”

在：

protected $self_closing_tags = array('img'=>1, 'br'=>1,'link'=>1, 'input'=>1, 'meta'=>1, 'hr'=>1, 'base'=>1, 'embed'=>1, 'spacer'=>1);

在：

protected $self_closing_tags = array('img'=>1, 'br'=>1, 'input'=>1, 'meta'=>1, 'hr'=>1, 'base'=>1, 'embed'=>1, 'spacer'=>1);

PHP简单HTML DOM解析器 - RSS中的链接元素

3 个答案: