用simple_html_dom抓取

Question

我正在尝试刮擦：

<a id="pa1">Site1</a>
<font size="-1">Text1</font><br />
<font size="-1" color="green">Text2</font><br />

我很容易进入pa1。但是我想进入后面的两种字体。

$html = new simple_html_dom();
$html->load($document);

foreach ($html->find('#pa1>font') as $e) {
    $this->check_line_two = $this->process_array_elements($e->innertext);
}

foreach ($html->find('#pa1>font>font') as $e) {
    $this->check_line_three = $this->process_array_elements($e->innertext);
}

两者都不起作用。 如何使用简单的html dom获得下一个元素？

Answer 1

#pa1没有后代font -tag。

您显然在搜索的是兄弟选择器+ ： #pa1 + font 。 但是我不知道您所使用的库是否支持它。

请阅读他们的文档： http : //simplehtmldom.sourceforge.net/manual.htm

Answer 2

就像Feeela所说的那样，那些字体元素不是锚的后代。 尝试这样的事情：

foreach ($html->find('#pa1') as $e) {
    $firstFontElement = $e->next_sibling();
}

Answer 3

如果这只是您要剪贴的全部内容，为什么不选择字体标签。

foreach ($html->find('font') as $e) {
    $this->check_line_two = $this->process_array_elements($e->innertext);
}

还是文档中可能存在更多字体标签？