使用 PHP DOMXpath 解析 HTML

Question

我想使用 PHP 和 DOMXpath 从外部网站检索事件链接和文本。 外部网站html的结构如下；

<!-- first -->
<div class="col-sm-12 col-lg-3 me recording-item">
    <div class="recording-item-inner">
        <a class="col-sm-12 recording-name" href="/recordings/191">
        <div class="info">
            <b>Daily Event</b><br>
            <small>29 Jun 2020</small>
        </div></a>
    </div>
</div>
<!-- second -->
<div class="col-sm-12 col-lg-3 me recording-item">
    <div class="recording-item-inner">
        <a class="col-sm-12 recording-name" href="/recordings/190">
        <div class="info">
            <b>Daily Event B</b><br>
            <small>26 Jun 2020</small>
        </div></a>
    </div>
</div>
<!-- third -->
<div class="col-sm-12 col-lg-3 me recording-item">
    <div class="recording-item-inner">
        <a class="col-sm-12 recording-name" href="/recordings/189">
        <div class="info">
            <b>Daily Event C</b><br>
            <small>22 Jun 2020</small>
        </div></a>
    </div>
</div>

我正在尝试检索最新的 5 个事件名称、日期和链接。 目前我可以使用下面的代码获取最新的（单个）事件。

<?php
function getEvents()
{

    $page = file_get_contents('https://example.com/events');
    $rootUrl = 'https://example.com';

    @$doc = new DOMDocument();
    @$doc->loadHTML($page);

    $xpath = new DomXPath($doc);

    $nodeList = $xpath->query("//div[@class='recording-item']");
    $node = $nodeList->item(0);

    $href = $xpath->evaluate("string(//div[@class='recording-item-inner']/a/@href)");
    $eventUrl = $rootUrl . $href;

    return $eventUrl;

}
?>

如何修改此代码以检索 5 个最近的事件详细信息并打印出一个简单的项目列表；

<ul>
  <li>Event 1 - [name], [date], [href]</li>
  <li>Event 2 - [name], [date], [href]</li>
  <li>Event 3 - [name], [date], [href]</li>
  <li>Event 4 - [name], [date], [href]</li>
  <li>Event 5 - [name], [date], [href]</li>
</ul>

Answer 1

可以做到，但由于 xpath 支持有限，这不是最优雅的解决方案。

从$nodeList开始； 鉴于您的示例 xml 只有 3 个事件，此代码将为 output 提供有关前两个事件的所需信息。 显然，您可以根据实际代码对其进行修改：

$nodeList = $xpath->query('//div[./div[@class="recording-item-inner"]]//div[@class="info"]');
$i = 1;
echo htmlspecialchars("<ul>", ENT_QUOTES);
echo "<br>";
foreach($nodeList as $result) { 
   if ($i++ > 2) break;
   echo htmlspecialchars("<li>", ENT_QUOTES);
   echo "Event 1 - " . $result->childNodes[1]->textContent . ",   ";
   echo $result->childNodes[4]->textContent . ",   ";
   echo $result->parentNode->getAttribute('href');
   echo htmlspecialchars("</li>", ENT_QUOTES);   
   echo "<br>";
   }
echo htmlspecialchars("</ul>", ENT_QUOTES);

Output：

<ul>
<li>Event 1 - Daily Event, 29 Jun 2020, /recordings/191</li>
<li>Event 1 - Daily Event B, 26 Jun 2020, /recordings/190</li>
</ul>