1

不知道该怎么称呼它，所以我会很快详细说明。

我有一个我正在尝试使用YQL控制台构建的屏幕抓取工具。该查询为用户提供了 XML 或 JSON 的选择。我的目标是控制台的 YQL>data>html 方面，并选择 XML 作为我的输出格式。

我的 YQL 查询：

选择 * 从 html WHERE url="http://google.com"

这将为您提供 XML 格式的 Google.com 文档树的读数。太多输出无法粘贴到这篇文章中，所以只需单击链接。

我的问题来自于使用 PHP 遍历 XML 树以正确显示此请求的输出。我不知道如何有效地创建一个 foreach 语句（或任何其他语句）来有效地抓取 XML 输出并收集文档树并根据我自己的需要重新显示它。

我的PHP：

$searchUrl = "google.com";

if(isset($_REQUEST['searchUrl'])) {
    $searchUrl = $_REQUEST['searchUrl'];
}

$query = "select * from html where url=\"http://".$searchUrl."\"";

$url = "http://query.yahooapis.com/v1/public/yql";

// Get Subcategory Article Data
$parameterData = "q=".urlencode($query);
$parameterData .= "&diagnostics=true";

// setup CURL 
$ch = curl_init($url); 
curl_setopt($ch, CURLOPT_HEADER, 0); 
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); 
curl_setopt($ch, CURLOPT_POST, 1); 
curl_setopt($ch, CURLOPT_POSTFIELDS, $parameterData); 
curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, 0);
curl_setopt($ch, CURLOPT_TIMEOUT, 20);

// send
$response = trim(urldecode(curl_exec($ch)));

// parse response
$xmlObjects = @simplexml_load_string($response);

foreach ($xmlObjects->diagnostics as $diagnostics) {
    echo "<a href=".$diagnostics->url." target='_blank'>".$diagnostics->url."</a>";
}
foreach ($xmlObjects->results as $result) {
    // here is where I would go echo $result->body or something along those lines
}

我想我在这一点上有点难过，因为我不知道下一步该去哪里导航这种格式的 XML 树。在query>results>bodyXML 之后，我不确定在哪里收集剩余的对象，并将其输出到我的文档中的pre标签或类似的东西中。

我想提供一个输入字段供用户输入自己的域，我的 PHP 将提交查询，迭代响应，并将文档树返回给用户以进行 HTML 查看和调试。

在迭代大量具有相同内部结构（如 RSS 提要或类似性质的东西）的父元素的上下文中，我熟悉 PHP 和 XML。在本例中，我正在处理一个动态 XML 树、一个大型响应对象和一个波动的内部结构。

4

1 回答 1

2

以下代码将结果正文显示为 html 页面：

<?php

 // ... the code you posted in the question
 //     !without the diagnostics output!
 //     read comments of the answer to know why

?>
<html>
  <head>
  </head>
<?php
foreach ($xmlObjects->results as $result) {
    // asXml() will return the content of body as xml string
    echo $result->body->asXml();
    break;
}
?>
</html>

请注意，由于您不会<head>通过 YQL 获取页面元素，因此在大多数情况下，输出看起来会很混乱。

于 2013-01-14T21:59:37.167 回答