从div

Question

我试图抓取一个网页，我想抓取div标记内的文字和所有HTML标记。

网页如下：

<div class="class">
  <p>A little paragraph</p>
  <a href="#"><img src="/test.jpg"/></a>
  <p>Another paragraph</p>
  <ul>
    <li>1</li>
    <li>2</li>
  </ul>
</div>

使用cURL我已成功提取所有文本但标签不存在。

我的代码：

$content = $xpath->query('//div[@class="class"]');

Answer 1

这很简单：

<?php

$html = '
<div class="class">
  <p>A little paragraph</p>
  <a href="#"><img src="/test.jpg"/></a>
  <p>Another paragraph</p>
  <ul>
    <li>1</li>
    <li>2</li>
  </ul>
</div>';

$dom = new DomDocument();
@$dom->loadHTML($html);
$xpath = new DOMXpath($dom);
$masterNode = $xpath->query('//div[@class="class"]'); #It returns DOMNodeList

# Now from master node we gonna pick what we want.
# Also, $masterNode->item(0) is context node for "P" tags.
$paragraphNodes = $xpath->query('p', $masterNode->item(0)); 

foreach ($paragraphNodes as $paragraphElement) {
    print $paragraphElement->nodeValue . "\n";
}

上面的代码返回：

 A little paragraph
 Another paragraph

这是一个可运行的样本：http://3v4l.org/9CYCs

从div

中抓取所有子节点

<?php
// ...
$dom = new DomDocument();
@$dom->loadHTML($html);
$xpath = new DOMXpath($dom);

这是div.class中的所有子节点（它返回一个DOMNodeList实例）：

$allChildNodesFromDiv = $xpath->query('//div[@class="class"]/*');
# Do somenthing with child nodes (see DOMElement)
foreach($allChildNodesFromDiv as $nodeElement) {
    # Do something with $nodeElement, for instance:
    print $nodeElement->nodeName;       
    print $nodeElement->nodeValue;  
   // ...   
}

注意DOMNodeList是一组DOMElement个对象。

相关文档链接：

Answer 2

对于抓取我建议使用php_query，下面是链接。它为页面提供类似jquery的选择器。 HTML页面不一定是正确的xml，除非它们是XHTML。

as described by Matthieu Moy

Answer 3

正确答案是：

        $nodes = $xpath->query("//div[contains(concat(' ', normalize-space(@class), ' '), ' class')]");
        foreach($nodes as $full_name) {
            $class_full_content = trim($dom->saveHTML($full_name));
        }

Answer 4

使用PHP轻松完成。

$all_data = file_get_contents("link of the url");

现在使用：PHP正则表达式，爆炸，内爆等来实现您的期望数据

PHP XPath：如何获取div的内容和html标签？

4 个答案:

从div