[英]Enumerating A HREF items inside a string of HTML
我正在尝试从HTML字符串枚举超链接列表(特别是HREF组件)。 每个页面的内容与Yahoo的早期版本看起来相距不太远(一系列的超链接按LI和UL标签分为分组。
我们正在从旧系统中解析一系列以前手工制作的HTML页面,并且希望仅从每个页面中提取有意义的内容,而不是迁移整个字符串。 在测试中,我的过程很简单,如下所示:
我相当确定做到这一点的最佳方法是使用正则表达式,但是从我在堆栈溢出中发现的示例中,我无法使它们正常工作(即使回显找到的匹配项)也没有太大的成功使用DOM解析器。
我的测试数据如下所示:
<html>
<body>
<li><a href='beforelist.com'></a></li>
<ul class="summary">
<li><a href='test.com'></a></li>
<li><a href='test2.com'></a></li>
<li><a href='etc.com'></a></li>
</ul>
<li><a href='afterlist.com'></a></li>
<img src='/test.png'>
</body>
</html>
并且正在寻找匹配的输出(仅在找到class ='summary'之后:
test.com
test2.com
etc.com
摘要分组之外的所有内容都将被忽略,并且对其可能包含的内容非常不可预测。 我确定我缺少明显的东西,非常感谢您的协助! 我从未真正理解过如何正确编写正则表达式模式。 :)
使用DOMDocument
和DOMXPath
永远不会使用正则表达式解析HTML。
这是您的情况的一个简单示例:
// Create new DOM
$dom = new DOMDocument();
// Import your HTML string into DOM
$dom->loadHTML($html);
// Create new XPath which has the above DOM as resource
$xpath = new DOMXPath($dom);
// Find every ul with class summary and select all the "a"s in it
$links = $xpath->query("//ul[@class='summary']//a");
// Loop through the links
foreach($links as $link) {
// Print out the href attribute
var_dump($link->getAttribute('href'));
}
这个PHP小片段的输出是:
string 'test.com' (length=8)
string 'test2.com' (length=9)
string 'etc.com' (length=7)
真的很容易。 XPath查询将找到类summary
为无序列表的任何链接。 即使是嵌套列表。
带有解释的代码:
<?php
// to retrieve selected html data, try these DomXPath examples:
$html="<html>
<body>
<li><a href='beforelist.com'></a></li>
<ul class='summary'>
<li><a href='test.com'></a></li><li><a href='test2.com'></a></li><li><a href='etc.com'></a></li>
</ul>
<li><a href='afterlist.com'></a></li>
<img src='/test.png'>
</body>
</html>";
$doc = new DOMDocument;
$doc->loadHTML($html);
$xpath = new DOMXpath($doc);
// example 1: for everything with an id
//$elements = $xpath->query("//*[@id]");
// example 2: for node data in a selected id
//$elements = $xpath->query("/html/body/div[@id='yourTagIdHere']");
// example 3: what you are looking for
$elements = $xpath->query("//ul[@class='summary']//li/a");
if (!is_null($elements)) {
foreach ($elements as $element) {
echo $element->getAttribute('href'). "\n";
}
}
?>
演示在这里: https : //eval.in/173506
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.