0

我正在使用 DOMXPath 来获取特定节点的内容。对于我的问题，我想获取除嵌套 div 之外的匹配 div 的所有文本。

$html = 
'<div itemscope="itemscope" itemtype="http://schema.org/Event">
  <span itemprop="name"> Miami Heat at Philadelphia 76ers - Game 3 (Home Game 1)</span>
  <meta itemprop="startDate" content="2016-04-21">
    Thu, 04/21/16
    8:00 p.m    
  <div itemprop="offers" itemscope="itemscope" itemtype="http://schema.org/AggregateOffer">
    Priced from: <span itemprop="lowPrice">$35</span>
    <span itemprop="offerCount">1938</span> tickets left
  </div>
  <meta itemprop="endDate" content="2020-3-2"> end date of year    
  <div itemprop="attendee" itemscope="itemscope" itemtype="http://schema.org/Person">
     <span itemprop="name">Jane Doe</span>
     <meta itemprop="birthDate" content="1975-05-06"> 
    <div itemprop="sibling" itemscope="itemscope" itemtype="http://schema.org/Person">
        <span itemprop="name">Fatima Zohra</span>
        <meta itemprop="birthDate" content="1991-6-5">Jan 6
     </div>      
  </div>
</div>';

我首先尝试了以下方法，但这并没有返回嵌套的 div：

$tags = $xpath->query("//div[@itemscope='itemscope'][not(self::div)]/text()");

我目前的尝试如下，但不起作用：

$dom = new DOMDocument;
$dom->loadHTML($html);
$xpath = new DOMXPath($dom);
$tags = $xpath->query('//div[not(ancestor::div)]');

foreach ($tags as $node) {
    echo $node->nodeValue; // body

}
4

2 回答 2

1

这个问题最好分成两部分：

  1. 返回匹配的 div 列表
  2. 打印每个 div 的所有内容，除了包含 div 的内容

下面演示了这种方法：

$dom = new DOMDocument;
$dom->loadHTML($html);
$xpath = new DOMXPath($dom);
$divs = $xpath->query("//div[@itemscope='itemscope']");

foreach ($divs as $div) {
        $nodelist = $xpath->query('child::node()[not(self::div)][normalize-space()]',$div);

        foreach ($nodelist as $node) {
                echo $node->nodeValue . "\n";
        }
        echo "\n---------------------\n";
}

请注意以下事项：

  • 'child::node()' 而不是 '*' 包括文本节点
  • '[normalize-space()] 删除多余的空格，包括换行符

顺便说一句，'not(ancestor::div)' 明确表示不要返回嵌套在其他 div 中的 div。

于 2013-03-18T11:37:54.410 回答
0

您要查找的微数据itemprop带有、itemscope和属性itemtype。content

所以您的问题实际上是关于如何从该 HMTL 文档中获取微数据。这基本上是 XML 解析的问题。由于 schema.org 微数据是（或多或少直截了当），我强烈建议使用 DOMDocument 加载 HMTL 文档，但使用 SimpleXML 来解析数据。

基于 libxml 的 PHP XML 扩展中的解析不能单独使用 xpath，因为该库仅支持 xpath 1.0，您无法使用该 xpath 版本完成所有操作。尤其是在这种情况下，仅选择具有特定属性的后代或自身，该特定属性相对于不包含具有该特定属性的子节点的上下文节点。所以这总是需要一些包装代码。如果您有兴趣了解更多相关信息，我发现以下问题与您的类似 xpath 问题有关：

因此，将 xpath 代码包装在某个类中并立即访问感兴趣的数据：

$dom = new DOMDocument;
$dom->loadHTML($html);

$micro = new Micro($dom);
$event = $micro->Event;

foreach($event as $name => $value) {
    if ($value->isEmbed()) continue;
    printf("%s => %s\n", $name, $value);
}

给出以下输出：

name =>  Miami Heat at Philadelphia 76ers - Game 3 (Home Game 1)
startDate => 2016-04-21
endDate => 2020-3-2

或者您只需访问：

$micro->Event->name; # Miami Heat at Philadelphia 76ers - Game 3 (Home Game 1)

微Micro数据类作为 gist。

于 2013-03-20T01:50:42.107 回答