Question

我正在使用PHP DOM而我正在尝试在DOM节点中获取具有给定类名的元素。获得该子元素的最佳方法是什么？

更新：我最终使用Mechanize用于PHP，这更容易使用。

Answer 1

更新：*[@class~='my-class'] css选择器

的Xpath版本

所以在我的评论下面回应hakre的评论之后，我很好奇并且查看了Zend_Dom_Query背后的代码。看起来上面的选择器被编译为以下xpath（未经测试）：

[contains(concat(' ', normalize-space(@class), ' '), ' my-class ')]

所以php将是：

$dom = new DomDocument();
$dom->load($filePath);
$finder = new DomXPath($dom);
$classname="my-class";
$nodes = $finder->query("//*[contains(concat(' ', normalize-space(@class), ' '), ' $classname ')]");

基本上，我们在这里所做的只是规范化class属性，以便即使单个类也以空格为界，并且完整的类列表以空格为界。然后用空格追加我们正在搜索的类。这样我们就可以有效地查找并查找my-class的实例。

使用xpath选择器？

$dom = new DomDocument();
$dom->load($filePath);
$finder = new DomXPath($dom);
$classname="my-class";
$nodes = $finder->query("//*[contains(@class, '$classname')]");

如果它只是一种类型的元素，您可以用特定的标记名替换*。

如果您需要使用非常复杂的选择器进行大量操作，我建议Zend_Dom_Query支持CSS选择器语法（la jQuery）：

$finder = new Zend_Dom_Query($html);
$classname = 'my-class';
$nodes = $finder->query("*[class~=\"$classname\"]");

Answer 2

如果你想获得没有zend的类的innerhtml，你可以使用它：

$dom = new DomDocument();
$dom->load($filePath);
$classname = 'main-article';
$finder = new DomXPath($dom);
$nodes = $finder->query("//*[contains(concat(' ', normalize-space(@class), ' '), ' $classname ')]");
$tmp_dom = new DOMDocument(); 
foreach ($nodes as $node) 
    {
    $tmp_dom->appendChild($tmp_dom->importNode($node,true));
    }
$innerHTML.=trim($tmp_dom->saveHTML()); 
echo $innerHTML;

Answer 3

我认为接受的方式更好，但我想这可能也有效

function getElementByClass(&$parentNode, $tagName, $className, $offset = 0) {
    $response = false;

    $childNodeList = $parentNode->getElementsByTagName($tagName);
    $tagCount = 0;
    for ($i = 0; $i < $childNodeList->length; $i++) {
        $temp = $childNodeList->item($i);
        if (stripos($temp->getAttribute('class'), $className) !== false) {
            if ($tagCount == $offset) {
                $response = $temp;
                break;
            }

            $tagCount++;
        }

    }

    return $response;
}

Answer 4

还有另一种不使用DomXPath或Zend_Dom_Query的方法。

基于dav的原始函数，我编写了以下函数，该函数返回其标记和类与参数匹配的父节点的所有子节点。

function getElementsByClass(&$parentNode, $tagName, $className) {
    $nodes=array();

    $childNodeList = $parentNode->getElementsByTagName($tagName);
    for ($i = 0; $i < $childNodeList->length; $i++) {
        $temp = $childNodeList->item($i);
        if (stripos($temp->getAttribute('class'), $className) !== false) {
            $nodes[]=$temp;
        }
    }

    return $nodes;
}

假设您有一个变量$html以下HTML：

<html>
 <body>
  <div id="content_node">
    <p class="a">I am in the content node.</p>
    <p class="a">I am in the content node.</p>
    <p class="a">I am in the content node.</p>    
  </div>
  <div id="footer_node">
    <p class="a">I am in the footer node.</p>
  </div>
 </body>
</html>

getElementsByClass的使用非常简单：

$dom = new DOMDocument('1.0', 'utf-8');
$dom->loadHTML($html);
$content_node=$dom->getElementById("content_node");

$div_a_class_nodes=getElementsByClass($content_node, 'div', 'a');//will contain the three nodes under "content_node".

Answer 5

DOMDocument 输入速度很慢， phpQuery 内存泄漏问题也很糟糕。我最终使用了：

https://github.com/wasinger/htmlpagedom

选择一个班级：

include 'includes/simple_html_dom.php';

$doc = str_get_html($html);
$href = $doc->find('.lastPage')[0]->href;

我希望这也有助于其他人

Answer 6

我更喜欢使用Symfony。他们的图书馆很好。

使用The DomCrawler Component

示例：

$browser = new HttpBrowser(HttpClient::create());
$crawler = $browser->request('GET', 'example.com');
$class = $crawler->filter('.class')->first();

Answer 7

PHP 的原生 DOM 处理非常糟糕，帮自己一个忙，使用这个或任何其他现代 HTML 解析包，它们可以在几行内处理这个：

安装paquettg/php-html-parser

composer require paquettg/php-html-parser

然后在与此内容相同的文件夹中创建一个.php文件

<?php

// load dependencies via Composer
require __DIR__ . '/vendor/autoload.php';

use PHPHtmlParser\Dom;

$dom = new Dom;
$dom->loadFromUrl("https://example.com");
$links = $dom->find('.classname a');

foreach ($links as $link) {
    echo $link->getAttribute('href');
}

附言您将找到有关如何在 Composer's homepage 上安装 Composer 的信息。

按类名获取DOM元素

7 个答案: