cómo usar el analizador dom php

Soy nuevo en el análisis DOM en PHP:
Tengo un archivo HTML que estoy tratando de analizar. Tiene un montón de DIVs así:cómo usar el analizador dom php

<div id="interestingbox"> 
    <div id="interestingdetails" class="txtnormal"> 
     <div>Content1</div> 
     <div>Content2</div> 
    </div> 
</div> 

<div id="interestingbox"> 
......

Estoy tratando de obtener el contenido de las muchas cajas div utilizando php. ¿Cómo puedo usar el analizador DOM para hacer esto?

Gracias!

Fuente

2009-06-06 chris

En primer lugar tengo que decir que no se puede utilizar el mismo ID en dos divs diferentes; hay clases para ese punto. Cada elemento debe tener una identificación única.

código para obtener el contenido del div con id = "interestingbox"

$html = ' 
<html> 
<head></head> 
<body> 
<div id="interestingbox"> 
    <div id="interestingdetails" class="txtnormal"> 
     <div>Content1</div> 
     <div>Content2</div> 
    </div> 
</div> 

<div id="interestingbox2"><a href="#">a link</a></div> 
</body> 
</html>'; 


$dom_document = new DOMDocument(); 

$dom_document->loadHTML($html); 

//use DOMXpath to navigate the html with the DOM 
$dom_xpath = new DOMXpath($dom_document); 

// if you want to get the div with id=interestingbox 
$elements = $dom_xpath->query("*/div[@id='interestingbox']"); 

if (!is_null($elements)) { 

    foreach ($elements as $element) { 
    echo "\n[". $element->nodeName. "]"; 

    $nodes = $element->childNodes; 
    foreach ($nodes as $node) { 
     echo $node->nodeValue. "\n"; 
    } 

    } 
} 

//OUTPUT 
[div] { 
     Content1 
     Content2 
}

Ejemplo con las clases:

$html = ' 
<html> 
<head></head> 
<body> 
<div class="interestingbox"> 
    <div id="interestingdetails" class="txtnormal"> 
     <div>Content1</div> 
     <div>Content2</div> 
    </div> 
</div> 

<div class="interestingbox"><a href="#">a link</a></div> 
</body> 
</html>'; 

//the same as before.. just change the xpath 

[...] 

$elements = $dom_xpath->query("*/div[@class='interestingbox']"); 

[...] 

//OUTPUT 
[div] { 
     Content1 
     Content2 
} 

[div] { 
a link 
}

consulte la página de DOMXPath para más detalles.

Fuente

2009-07-20 08:32:55 apelliciari

Tengo esto para trabajar utilizando simplehtmldom como punto de partida:

$html = file_get_html('example.com'); 
foreach ($html->find('div[id=interestingbox]') as $result) 
{ 
    echo $result->innertext; 
}

Fuente

2009-06-07 00:28:46 chris

esto es muy fácil de usar –

Muy bonito función de http://www.sitepoint.com/forums/showthread.php?611393-php5-need-something-like-innerHTML-instead-of-nodeValue

function innerXML($node) 

{ 

    $doc = $node->ownerDocument; 

    $frag = $doc->createDocumentFragment(); 

    foreach ($node->childNodes as $child) 

    { 

     $frag->appendChild($child->cloneNode(TRUE)); 

    } 

    return $doc->saveXML($frag); 

} 


$dom = new DOMDocument(); 

$dom->loadXML(' 

<html> 

<body> 

<table> 

<tr> 

    <td id="foo"> 

     The first bit of Data I want 

     <br />The second bit of Data I want 

     <br />The third bit of Data I want 

    </td> 

</tr> 

</table> 

<body> 

<html> 



'); 

$xpath = new DOMXPath($dom); 

$node = $xpath->evaluate("/html/body//td[@id='foo' ]"); 

$dataString = innerXML($node->item(0)); 
$dataArr = explode("<br />", $dataString); 

$dataUno = $dataArr[0]; 
$dataDos = $dataArr[1]; 
$dataTres = $dataArr[2]; 

echo "firstdata = $nameUno<br />seconddata = $nameDos<br />thirddata = $nameTres<br />"

Fuente

2013-03-06 16:05:58 giorgio79

WebExtractor: https://github.com/knyga/webextractor Se puede analizar la página con CSS, expresiones regulares, selectores XPath.

paquete de apariencia y pruebas para ver ejemplos:

uso WebExtractor \ DataExtractor \ DataExtractorFactory; use WebExtractor \ DataExtractor \ DataExtractorTypes; use WebExtractor \ Client \ Client;

$ factory = DataExtractorFactory :: getFactory(); $ extractor = $ factory-> createDataExtractor (DataExtractorTypes :: CSS); $ client = new Cliente; $ content = $ client-> get ('https://en.wikipedia.org/wiki/2014_Winter_Olympics'); $ extractor-> setContent ($ contenido); $ h1 = $ extractor-> setSelector ('h1') -> extract();

Fuente

2014-02-19 12:46:13

Respuesta

Cuestiones relacionadas