0

我有 9 个表行,但是当我使用 DOMXpath 查询顶级节点时只返回了三个。

<table class="something">
    <tbody>
        <tr>
            <td class="label">One</td>
            <td>111111</td>
        </tr>
        <tr>
            <td class="label">Two</td>
            <td>1454</td>
        </tr>    
        <tr>
            <td class="label">Three</td>
            <td></td>
        </tr>
        <tr>
            <td class="label">Four</td>
            <td>0</td>
        </tr>
        <tr>
            <td class="label">Five</td>
            <td>45</td>
        </tr>
        <tr>
            <td class="label">Six</td>
            <td>45</td>
        </tr>
        <tr>
            <td class="label">Seven</td>
            <td>5</td>
        </tr>
        <tr>
            <td class="label">Eight</td>
            <td>0</td>
        </tr>
        <tr>
            <td class="label">Nine</td>
            <td>0</td>
        </tr>
    </tbody>
</table>

我使用 DOMDocument 来加载 HTML。

$doc = new DOMDocument;
@$doc->loadHTML($htmlData);
$xpath = new DOMXpath($doc);
$tableRows = $xpath->query('//table[@class="something"]//tr');

不幸的是,没有返回完整的表行集——只有前三个。我猜想空元素<td></td>会以某种方式抛弃 xpath 解析器。有针对这个的解决方法吗?

编辑:

我正在尝试另一种方法而不使用 DOMXpath。

    $request = drupal_http_request($url);

    $data = $request->data;

    $doc = new DOMDocument;
    @$doc->loadHTML($data);
    $tables = $doc->getElementsByTagName('table');
    $rows = $tables->item(2)->getElementsByTagName('tr');
    $output = '';
    foreach($rows as $row) {
        $cols = $row->getElementsByTagName('td');
        foreach($cols as $col){
            $output .= $col->nodeValue . '<br/>';
        }
    }
    return $output;

两种方法都输出这个 HTML:

<div class="content">
    One<br>111111<br>Two<br>1454<br>Three<br><br>
</div>

在第一个示例中,$tableRows->length 为 3,这与输出一致,但与具有 9 行的标记不一致。

4

1 回答 1

0

我正在抓取一个包含无效、损坏、脏 HTML 的网页。DOMDocument 喜欢干净和有条理(我猜)。相反,我使用simple_html_dom.php脚本来解析 HTML,它工作正常。

于 2013-05-17T17:39:23.887 回答