[英]$domxpath->query - Table Contents
大约两天后我收到了使用 DOM 文档而不是正则表达式的建议
我仍然不知道如何正确使用查询
在下面的链接中是会话“TERRITÓRIO E AMBIENTE”,我想获得下面4行的内容
https://cidades.ibge.gov.br/brasil/sp/sao-paulo/panorama
$html = file_get_contents( 'https://cidades.ibge.gov.br/brasil/sp/sao-paulo/panorama' );
$document = new DOMDocument();
$document->loadHTML(mb_convert_encoding($html, 'HTML-ENTITIES', 'UTF-8'));
$domxpath = new DOMXPath($document);
$paragraphs = $domxpath->query('
//th[*[
contains(text(), "TERRITÓRIO E AMBIENTE")
]
]
/following-sibling::tr[
position() = 12
]'
);
我输入了 12 <tr>
的数量,因为这是源代码中出现的内容,但我不知道我是否正确执行此查询,这对我来说出现了这些错误
Warning: DOMDocument::loadHTML(): Tag app invalid in Entity, line: 25
Warning: DOMDocument::loadHTML(): Misplaced DOCTYPE declaration in Entity, line: 25
Warning: DOMDocument::loadHTML(): htmlParseStartTag: misplaced <html> tag in Entity, line: 25
谢谢
您的代码中有几个问题。
@$document->loadHTML($html);
//th[contains(text(), "Território e Ambiente")]/parent::tr/following-sibling::tr[1]/td[3]
获取包含文本Território e Ambiente
的th
元素,然后获取父tr
标签,然后转到下一个tr
兄弟,最后获取第三个td
元素(值所在的位置)。 仍然很脆弱,但要密切关注网站的变化,它不太可能改变。
所以现在您需要再重复该 XPath 查询 3 次,更改第 n 个tr
兄弟(添加两个,因为每个中间有一个空元素)。 它最终看起来像这样:
$document = new DOMDocument();
@$document->loadHTML($html);
$domxpath = new DOMXPath($document);
$paragraphs = $domxpath->query('//th[contains(text(), "Território e Ambiente")]/parent::tr/following-sibling::tr[1]/td[3]');
echo "First: ".preg_replace('/\s+/', ' ', $paragraphs[0]->nodeValue);
echo "<br>";
$paragraphs = $domxpath->query('//th[contains(text(), "Território e Ambiente")]/parent::tr/following-sibling::tr[3]/td[3]');
echo "Second: ".preg_replace('/\s+/', ' ', $paragraphs[0]->nodeValue);
echo "<br>";
$paragraphs = $domxpath->query('//th[contains(text(), "Território e Ambiente")]/parent::tr/following-sibling::tr[5]/td[3]');
echo "Third: ".preg_replace('/\s+/', ' ', $paragraphs[0]->nodeValue);
echo "<br>";
$paragraphs = $domxpath->query('//th[contains(text(), "Território e Ambiente")]/parent::tr/following-sibling::tr[7]/td[3]');
echo "Fourth: ".preg_replace('/\s+/', ' ', $paragraphs[0]->nodeValue);
第一:1.521,110 平方公里
第二:92,6 %
第三:74,8 %
第四:50.3%
请注意使用preg_replace()
去除大量空白。
使用更多的 XPath 魔法,我们可以让它只处理一个查询:
//th[contains(text(), "Território e Ambiente")]/parent::tr/following-sibling::tr[position() mod 2 = 1]/td[3]
与其他元素的工作方式相同,但不是获取特定的tr
兄弟元素,而是获取其他所有元素。
$paragraphs = $domxpath->query('//th[contains(text(), "Território e Ambiente")]/parent::tr/following-sibling::tr[position() mod 2 = 1]/td[3]');
foreach ($paragraphs as $i => $p) {
echo ($i + 1)." value: ".preg_replace('/\s+/', ' ', $p->nodeValue);
echo "<br>";
}
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.