Question

我想检索文档中下一个元素标记的数据，例如：

我想仅为每个不同的范围检索<blockquote> Content 1 </blockquote>。

<html>
<body>


<span id=12341></span>
<blockquote>Content 1</blockquote>
<blockquote>Content 2</blockquote>

<!-- misc html in between including other spans w/ no relative blockquotes-->

<span id=12342></span>
<blockquote>Content 1</blockquote>

<!-- misc html in between including other spans w/ no relative blockquotes-->

<span id=12343></span>
<blockquote>Content 1</blockquote>
<blockquote>Content 2</blockquote>
<blockquote>Content 3</blockquote>
<blockquote>Content 4</blockquote>

<!-- misc html in between including other spans w/ no relative blockquotes-->    

<span id=12344></span>
<blockquote>Content 1</blockquote>
<blockquote>Content 2</blockquote>
<blockquote>Content 3</blockquote>


</body>
</html>

现在我想知道两件事：

1.）如何编写一个匹配的表达式，并且只输出一个紧跟在一个封闭元素（<span></span>）之后的块引用？

2.）如果我想要，如果我仍然需要在将来输出它们同时仍然适用上一个问题的规则，我怎么能得到内容2，内容3等？

Answer 1

现在我想知道两件事：

1.）如何编写匹配且仅输出blockquote的表达式   关闭后立即关注   元素（<span></span>）？

假设提供的文本转换为格式良好的XML文档（您需要将id属性的值括在引号中）

使用：

/*/*/span/following-sibling::*[1][self::blockquote]

这意味着用英语：选择所有 blockquote 元素，每个元素都是第一个， 跟随的兄弟{ {1}} 元素，它是文档顶部元素的祖母。

2.）如果我想，我怎么能得到内容2，内容3等等需要输出它们未来虽然仍然适用于上一个问题的规则？

是即可。

您可以在span之后获取所有久负盛名的blockquote元素：

span

您可以通过获取（N + 1）-st /*/*/span/following-sibling::blockquote [preceding-sibling::*[not(self::blockquote)][1][self::span]]之后的一组blockquote元素：

span

其中/*/*/span/following-sibling::blockquote [preceding-sibling::* [not(self::blockquote)][1] [self::span and count(preceding-sibling::span)=$vN] ]应由数字N代替。

因此，选择了第一个$vN之后的blockquote元素集合：

span

第二个/*/*/span/following-sibling::blockquote [preceding-sibling::* [not(self::blockquote)][1] [self::span and count(preceding-sibling::span)=0] ]之后的blockquote元素集合由选择：

span

<强>等即可。 ...

在XPath Visualizer中查看由以下表达式选择的节点：

/*/*/span/following-sibling::blockquote
           [preceding-sibling::*
             [not(self::blockquote)][1]
                [self::span and count(preceding-sibling::span)=1]
           ]

alt text

Answer 2

简答：将HTML加载到DOMDocument，然后使用XPath选择所需的节点。

http://www.php.net/DOM

答案很长：

$flag = false;
$TEXT = array();
foreach ($body->childNodes as $el) {
    if ($el->nodeName === '#text') continue;
    if ($el->nodeName === 'span') {
        $flag = true;
        continue;
    }
    if ($flag && $el->nodeName === 'blockqoute') {
        $TEXT[] = $el->firstChild->nodeValue;
        $flag = false;
        continue;
    }
}

Answer 3

请尝试以下*

/html/body/span/following-sibling::*[1][self::blockquote]

匹配任何第一个blockquotes后面的span元素是body的直接子元素或

//span/following-sibling::*[1][self::blockquote]

匹配文档中任意位置的任何第一个块引用

^{* 编辑：修复Xpath。 Dimitre的积分。我的初始版本将匹配跨度后的任何第一个blockquote，例如它会匹配span p blockquote，这不是你想要的。}

以上两者都匹配“内容1”块引用。如果你想匹配跨度后的其他blockquotes（兄弟姐妹，而不是后代），请删除[1]

示例：

$dom = new DOMDocument;
$dom->load('yourFile.xml');
$xp = new DOMXPath($dom);
$query = '/html/body/span/following-sibling::*[1][self::blockquote]';
foreach($xp->query($query) as $blockquote) {
    echo $dom->saveXml($blockquote), PHP_EOL;
}

如果你想在没有XPath的情况下这样做，你可以做到

$dom = new DOMDocument;
$dom->preserveWhiteSpace = FALSE;
$dom->load('yourFile.xml');
$body = $dom->getElementsByTagName('body')->item(0);
foreach($body->getElementsByTagName('span') as $span) {
    if($span->nextSibling !== NULL &&
       $span->nextSibling->nodeName === 'blockquote')
    {
        echo $dom->saveXml($span->nextSibling), PHP_EOL;
    }
}

如果您抓取的HTML不是有效的XHTML，请使用loadHtmlFile（）来加载标记。您可以使用libxml_use_internal_errors(TRUE)和libxml_clear_errors()来抑制错误。

另请参阅Best methods to parse HTML了解DOM的替代方案（尽管我认为DOM是一个不错的选择）。

Answer 4

除了@Dimitre good answer之外，您还可以使用：

/html
   /body
      /blockquote[preceding-sibling::*[not(self::blockquote)][1]
                     /self::span[@id='12341']]

在PHP中检索相对DOM节点

4 个答案: