使用 PHP DOMXpath 解析 HTML

Question

我想使用 PHP 和 DOMXpath 从外部网站检索事件链接和文本。外部网站html结构如下；<!-- first --><div class="col-sm-12 col-lg-3 me recording-item">    <div class="recording-item-inner">        <a class="col-sm-12 recording-name" href="/recordings/191">        <div class="info">            <b>Daily Event</b><br>            <small>29 Jun 2020</small>        </div></a>    </div></div><!-- second --><div class="col-sm-12 col-lg-3 me recording-item">    <div class="recording-item-inner">        <a class="col-sm-12 recording-name" href="/recordings/190">        <div class="info">            <b>Daily Event B</b><br>            <small>26 Jun 2020</small>        </div></a>    </div></div><!-- third --><div class="col-sm-12 col-lg-3 me recording-item">    <div class="recording-item-inner">        <a class="col-sm-12 recording-name" href="/recordings/189">        <div class="info">            <b>Daily Event C</b><br>            <small>22 Jun 2020</small>        </div></a>    </div></div>我正在尝试检索最新的 5 个事件名称、日期和链接。目前我可以使用下面的代码获取最新的（单个）事件。<?phpfunction getEvents(){    $page = file_get_contents('https://example.com/events');    $rootUrl = 'https://example.com';    @$doc = new DOMDocument();    @$doc->loadHTML($page);    $xpath = new DomXPath($doc);    $nodeList = $xpath->query("//div[@class='recording-item']");    $node = $nodeList->item(0);    $href = $xpath->evaluate("string(//div[@class='recording-item-inner']/a/@href)");    $eventUrl = $rootUrl . $href;    return $eventUrl;}?>我如何修改此代码，以便它检索 5 个最近的事件详细信息并打印出简单的项目列表；<ul>  <li>Event 1 - [name], [date], [href]</li>  <li>Event 2 - [name], [date], [href]</li>  <li>Event 3 - [name], [date], [href]</li>  <li>Event 4 - [name], [date], [href]</li>  <li>Event 5 - [name], [date], [href]</li></ul>

Answer 1

这是可以做到的，但由于 xpath 支持有限，它不是最优雅的解决方案。

从 开始$nodeList；鉴于您的示例 xml 只有 3 个事件，此代码将输出有关前两个事件的所需信息。显然，您可以根据实际代码修改它：

$nodeList = $xpath->query('//div[./div[@class="recording-item-inner"]]//div[@class="info"]');

$i = 1;

echo htmlspecialchars("<ul>", ENT_QUOTES);

echo "<br>";

foreach($nodeList as $result) { 

   if ($i++ > 2) break;

   echo htmlspecialchars("<li>", ENT_QUOTES);

   echo "Event 1 - " . $result->childNodes[1]->textContent . ",   ";

   echo $result->childNodes[4]->textContent . ",   ";

   echo $result->parentNode->getAttribute('href');

   echo htmlspecialchars("</li>", ENT_QUOTES);   

   echo "<br>";

   }

echo htmlspecialchars("</ul>", ENT_QUOTES);

输出：

<ul>

<li>Event 1 - Daily Event, 29 Jun 2020, /recordings/191</li>

<li>Event 1 - Daily Event B, 26 Jun 2020, /recordings/190</li>

</ul>