1

有谁知道在使用 XPath 提取数据时如何维护文本格式？

我目前正在提取所有块

<div class="info"> <h5>title</h5> text <a href="somelink">anchor</a> </div>

从一个页面。问题是当我访问 nodeValue 时，我只能得到纯文本。如何捕获包括格式在内的内容，即代码中的 h5 和静止图像？

提前致谢。我在谷歌上搜索了所有可以想象的组合，但没有运气。

4

5 回答 5

2

如果您将它作为 DomElement $element 作为 DomDocument $dom 的一部分，那么您将需要执行以下操作：

$string = $dom->saveXml($element);

元素的 NodeValue 实际上是文本值，而不是结构化的 XML。

于 2009-01-07T13:37:29.760 回答
1

我想添加到 Ciaran McNulty 的答案

您可以在 SimpleXml 中执行相同的操作，例如：

$simplexml->node->asXml(); // saveXml() is now an alias

并扩大报价

元素的 NodeValue 实际上是文本值，而不是结构化的 XML。

你可以这样想你的节点：

<div class="info">
    <__toString()> </__toString()>
    <h5>title</h5>
    <__toString()> text </__toString()>
    <a href="somelink">anchor</a>
    <__toString()> </__toString()>
</div>

调用$element->nodeValue类似于调用$element->__toString()只会获取 __toString() 元素的地方。我创建的想象__toString()被正式定义为XML_TEXT_NODE.

于 2009-01-08T09:42:25.613 回答
1

XPath 语言被设计为嵌入到另一种语言（如 DOM API、XSLT、XQuery 等）中，不能单独使用。原始问题没有指定所需的嵌入是什么。

当 XPath 嵌入XSLT时，下面是一个非常简单且简短的解决方案。

这种转变：

<xsl:stylesheet version="1.0"
 xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
 <xsl:output omit-xml-declaration="yes"/>

    <xsl:template match="div[@class='info']">
       <xsl:copy-of select="."/>
    </xsl:template>
</xsl:stylesheet>

应用于此 xml 文档时：

<html>
    <body>
        <div class="info">
            <h1>title1</h1> text1
            <a href="somelink1">anchor1</a>
        </div>
        Something else here
        <div class="info">
            <h2>title2</h2> text2
            <a href="somelink2">anchor2</a>
        </div>
        Something else here
        <div class="info">
            <h3>title3</h3> text3
            <a href="somelink3">anchor3</a>
        </div>
    </body>
</html>

产生想要的结果：

<div class="info">
  <h1>title1</h1> text1
    <a href="somelink1">anchor1</a>
</div>
        Something else here
<div class="info">
  <h2>title2</h2> text2
  <a href="somelink2">anchor2</a>
</div>
        Something else here
<div class="info">
  <h3>title3</h3> text3
  <a href="somelink3">anchor3</a>
</div>
于 2009-01-10T21:14:59.623 回答
0

您需要确保您的 xpath 查询“结束”在<div class="info">. 但是，由于 XPath 的工作方式，您仍然会在单独的节点中获得所有“子标签”。你只需要连接它们。

您也可以使用 XPath 的连接功能，但是，因为我没有使用它，我不能说您可能会遇到什么问题。

于 2009-01-07T13:38:49.867 回答
0

div/node()应该做的伎俩。

示例输入：

<div class="info">
  some <h5>title</h5> text <a href="somelink">anchor</a> more text
</div>

示例 XSLT 样式表：

<?xml version="1.0" encoding="utf-8"?>
<xsl:stylesheet version="2.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">

<xsl:template match="/">
        <newtag>
                <xsl:copy-of select="div/node()"/>
        </newtag>
</xsl:template>

</xsl:stylesheet>

示例输出：

<?xml version="1.0" encoding="utf-8"?>
<newtag> some<h5>title</h5> text <a href="somelink">anchor</a> more text</newtag>
于 2009-01-07T13:54:02.580 回答