html - 简单的 HTML DOM 向后解析

Question

我正在尝试获取页面上倒数第二个标签的内容。我找不到它，但希望可以从下到上解析以按该顺序查找第二个标记，而不是将所有内容放入数组中并从最后一个元素开始计数。向后工作的原因是我从中提取的页面是动态的，并且可能有数百个标签，这比我想要的要多。

score 1 · Accepted Answer

对于任何动态页面，您请求的时间必须是“静态”的，尽管下次可能会更改。以逆序解析页面是没有意义的，据我所知，html页面没有逆序解析器算法。

这是我的解决方案：在大多数情况下，动态页面也是相对“静态”的，页面的页眉总是在顶部，页脚总是在底部。

您需要做的只是找出与最后一个相关的“静态”标签。

假设您想在此 stackoverflow 页面的底部获取整行版权信息。这是一个正确的假设，因为版权信息几乎是这个页面的倒数第二个标签，这个页面显然是动态的。

我可以找到它的 id 是：//*[@id="copyright"] （实际上它是一个 xpath，而不是一个 id，但在这里并不重要）。你可以看看这个页面的源文件，或者更简单地使用诸如firebug或digpage之类的工具。并且 id (xpath) 是相对“静态的”。

当我在这里回答您的问题时，此页面上没有任何答案。但是，当您阅读此帖子时，我的答案已插入此页面，并且页面肯定会更改。但是，版权信息的 xpath 仍然是 //*[@id="copyright"]。换句话说，digpage 仍然可以为您获取正确的标签。

这是我在提交答案之前从 digpage 获得的版权信息：

site design / logo © 2013 stack exchange inc; user contributions licensed under cc-wiki 
            with attribution required

你可以自己再试一次（http://www.digpage.com/utility），它不会改变。

score 0 · Accepted Answer

似乎没有一种向后解析的方法，所以我使用以下方法通过获取数组中的所有标签，使用 count() 获取总数，然后访问比元素总数少两个的数组。

$html = $datain->find('a');
$html_ind = $html[count($html)-2];
$result = $html_ind->plaintext;

2 回答 2