我们已经有了一个带有静态信息的古老(内部)网站。我们将用更好的东西替换它,因此我需要获取所有信息。我使用通过正则表达式做到这一点,但最近我偶然发现一些文章指出,使用正则表达式来解析来自HTML的信息是inviting cthulhu to this realm。解析HTML DOM方式
因此,我决定学习一些新的技巧,重新开始,并做到DOM方式。 的HTML一部分,我需要看起来像这样:
<table id="articles">
<tr>
<th>
<a href='articles/aa123.html'><img src="/iamges/aa123.jpg" alt="some article"></a>
<br />short description
</th>
<td>
<table class='details'>
<tr><th><a href='articles/aa123.html'>Some Article</a></th></tr>
<tr><th>Type:</th><td>article type</td></tr>
<tr><th>Price:</th><td>€ 99</td></tr>
<tr><th>Manufacturer:</th><td>Some Company</td></tr>
<tr><th>Warehouse:</th><td>x</td></tr>
</table>
</td>
</tr>
</table>
到目前为止,我得到这个:
$dom = new DOMDocument();
@$dom->loadHTMLFile ($file);
$xpath = new DOMXPath($dom);
$query = "/html/body/table[@id='articles']//th"; //catch all TH's
$data = $xpath->evaluate($query);
这是关于我卡住。我知道返回的TH的所有内容都在ChildNodes中,但我很难获取这些值。我需要详细信息页面的URL和Price列的值。
我如何获取这些提取?
目前,我想出了以下内容:
$query = '//table[@class="details"]//td';
$data= $xpath->evaluate($query);
$c = $ths->length;
for ($i = 0; $i < $c; $i++) {
echo htmlentities($data->item($i)->nodeValue);
}
但这仅显示从TD的文本值。当内容是链接时,它只显示链接标题。不是网址。
UPDATE 感谢Fab的建议,我设法预定了一些进展。目前,我得到了以下内容:
$tables = $xpath->query('//table[@class="details"]');
foreach($tables as $table) {
$url = $xpath->evaluate('//th/a/@href', $table);
$articleName= $xpath->evaluate('//th/a', $table);
$Manufacturer= $xpath->evaluate('//th[text()="Manufacturer:"]/../td', $table);
echo 'articleName:' . $articleName . ' <br />';
echo 'Manufacturer:' . $Manufacturer. ' <br />';
echo 'url:' . $url. ' <br />';
echo '<br />';
}
但由于某些原因,它总是显示从第一acticle(重复尽可能多的物品,因为在页面上)中的数据。就好像'foreach'语句总是返回第一个找到的表。有小费吗?
谢谢!我会尝试的(我一直在关注获取1查询CFR中的所有信息,我如何用正则表达式来完成) – Walter81 2013-02-28 14:45:06
我取得了一些进展,但仍有一些缺失..请参阅上面的更新。 – Walter81 2013-03-01 10:04:19
我明白了。答案更新:) – 2013-03-01 10:20:12