Question

我有以下结构：

int i;

你会说使用类似的东西使用XPath进行抓取：

<body>
   <meta name="keywords" content="This is normal text">
   <meta name="description" content="<!--This text is a comment-->">
<body>

会返回“这是正常文字”

和

$meta = $XPath->query ( '//body/meta[1]/@content' ); 
$meta = $meta->item(0)->nodeValue;

会返回“此文字是评论”

问题是第一种情况有效，它返回“这是普通文本”，但在第二种情况下它不返回任何内容，就好像没有文本一样。知道这里有什么问题吗？

我需要的是标记为注释的文本（“此文本是注释”）。非常感谢您的帮助。

Answer 1

属性不能包含注释。您的问题实际上是XML无效：

<meta name="description" content="<!--This text is a comment-->">

此处的属性以<字符开头，必须使用实体引用进行转义，例如<。因为它不是，将其解析为XML应该会导致错误。实际上，这不仅是无效的XML，它还是invalid HTML。您提供的链接doesn't even get passed the first character，顺便说一句。

PHP在这里没有返回任何内容这一事实让我感到惊讶。它使用了引擎盖下的libxml，这应该会引发错误。你没有说你是如何抓取HTML的。如果您正在使用一些将其转换为XML的抓取工具，则刮刀很可能会更改对象模型以使其成为有效的XML。要确定这是否属实，请将表达式meta[2]的结果检查为XML片段，也许它删除了无效属性，也许它将注释作为子项放到<meta>，在这种情况下，您可以通过meta[2]/comment()来获取它。

PHP：在META标记中抓取注释不起作用

1 个答案: