使用 XPath 计算每个表中 TH 的数量

Question

在尝试解析 HTML 文件时陷入困境。

基础知识：

$dom = new DOMDocument();
libxml_use_internal_errors(true);
$dom->loadHTMLFile('myfile.html');
$xp = new DOMXPath($dom);

在这个初始化之后，我的技术是使用 XPATH 查询来获取我想要的变量。

如果有一个特定的项目或节点，我真的没有任何问题 - 非常容易查明和检索。

所以在我加载的 HTML 中，它基本上是在一个循环中形成的。缩小后看起来像这样：

<div class="intro">
    <div class="desc-wrap">
        Text Text Text
    </div>
    <div class="main-wrap">
        <table class="table-wrap">
            <tbody>
                <tr>
                    <th class="range">Range </th>
                    <th>#1</th>
                    <th>#2</th>
                </tr>
            </tbody>
        </table>
    </div>
</div>
<div class="intro">
    <div class="desc-wrap">
        Text Text Text
    </div>
    <div class="main-wrap">
        <table class="table-wrap">
            <tbody>
                <tr>
                    <th class="range">Range </th>
                    <th>#1</th>
                    <th>#2</th>
                    <th>#3</th>
                    <th>#4</th>
                </tr>
            </tbody>
        </table>
    </div>
</div>

这会持续 100 次（意味着 100 个 <div class="intro"> . . . </div> 实例

所以我试图获取desc-wrap 的内容（那里没问题）、文本节点以及每个表中有多少<th> 的计数。

考虑到一个 XPath 查询可能比两个更好，我查询了 div。

$intropath = $xp->query("//div[@class='intro']");

循环播放。

$f=1;
foreach ($intropath as $sp) {
echo $f++ . '<br />'; // Makes it way to 100, good.

我遇到的问题/核心问题是尝试计算每个表中 <th> 的数量。

$gettables = $xp->query("//div[contains(@class,'main-wrap')]/table[contains(@class, 'table-wrap')]//th", $sp);
var_dump($getsizes); // public 'length' => int 488
// Okay, so this is getting all the <th> elements in the 
// entire document, not just in the loop. Maybe not what I want.

这是我尝试过的其他方法（我的意思是失败了）

好吧，让我们尝试只针对第一个表（在//th 之前添加[0]），看看我们能不能得到一些东西。

$gettables = $xp->query("//div[contains(@class,'main-wrap')]/table[contains(@class, 'table-wrap')][0]//th", $sp);

不。非对象。长度 0。不知道为什么。好的，让我们把它取下来。

也许试试这个？

//div[contains(@class,'main-wrap')]/table[contains(@class, 'table-wrap')]//th[count(following-sibling::*)]

好的。所以长度 = 100。必须得到一个 th 并进行推断。不是我想要的。

也许只是

//th[count(*)]

不。非对象。

也许是这个？

count(//div[contains(@class,'main-wrap')]/table[contains(@class, 'table-wrap')]//th)

不。更多非对象。

这可能已经足够我尝试过的例子了。 失败很有趣（好吧，学习），但我错过了什么？ 我的输出...我只想找出每个表中有多少<th>。

所以，比如：

foreach ($intropath as $sp) {
$xpath = $xp->query("//actual/working/xpath/for/individual/th");
$thcount = count($getsizes->item(0)); // or something?
echo $thcount . '<br>';

在上面的例子中，会输出

3

5

当然还要继续其他 98 次迭代..

这可能很愚蠢。我一直在引用这个cheatsheet 和这个cheatsheet，我学到了很多关于XPATH 的功能，但是这个答案是在暗示我。在这一点上，我什至不确定做我的foreach ($intropath as $sp) { 是否是实现我正在做的事情的正确方法。

有人想把我从这个坑里挖出来，这样我就可以继续下一步和/或我的生活了吗？

Answer 1

使用迭代的query() 调用计算符合条件的节点。

代码：(Demo)

$dom = new DOMDocument();
libxml_use_internal_errors(true);
$dom->loadHTML($html);
$xp = new DOMXPath($dom);
foreach ($xp->query("//div[contains(@class,'main-wrap')]/table[contains(@class, 'table-wrap')]//tr") as $node) {
    echo $xp->query("th", $node)->length , "\n";
}

输出：

3
5

Answer 2

首先查询tables：

$intropath = $xp->xpath("//table[contains(@class, 'table-wrap')]");

然后使用另一个 XPath 查询和应用于所有 ths 的 count PHP 函数来获取每个 table 的 ths 计数与上下文节点相关：

foreach ($intropath as $tab) {
  $count = count($tab->xpath(".//th"));
  echo $count . "<br>";
}

这应该就是全部了。

附注：
显然 PHP 不喜欢 XPath count 函数，所以我改用 PHP count 函数。

---

为了完整性：
如果可以使用 XPath-2.0，下面的表达式会更简洁：

string-join(//table[contains(@class, 'table-wrap')]/count(.//th),'#')

这里，# 是每个 tables 计数之间的分隔符。