使用 PHP 解析 HTML 以获取按类分组的兄弟元素

Question

我有一个巨大的 HTML 文档需要解析。 该文档是 <p> 元素的列表，所有（直接）body 标签的子元素。 区别在于类名。结构是这样的：

    <p class="first-level"></p>
    <p class="second-level"></p>
    <p class="third-level"></p>
    <p class="third-level"></p>
    <p class="nth-levels just-for-demo-1"></p>
    <p class="nth-levels just-for-demo-1"></p>
    <p class="third-level"></p>
    <p class="second-level"></p>
    <p class="third-level"></p>
    <p class="nth-levels just-for-demo-2"></p>
    <p class="first-level"></p>
    <p class="second-level"></p>
    <p class="second-level"></p>
    <p class="third-level"></p>

等等。 nth-level 可以是不是first-level、second-level 或third-level 的任何类名。 基本上，它是一个多层次的<ul> 元素，标记很差。

我想要做的是解析它并获取上述类名之一之间的所有<p> 元素（包括标签，而不仅仅是innerHTML）。

在上面的例子中，我想得到：

<p class="nth-levels just-for-demo-1"></p>
<p class="nth-levels just-for-demo-1"></p>

和

<p class="nth-levels just-for-demo-2"></p>

请问我该怎么做？ 谢谢。

Answer 1

使用 XPath：

//p[not(@class='first-level')][not(@class='second-level')][not(@class='third-level')]

要获取（非？）匹配的节点，则可以使用this answer获取节点的outerHTML。

Answer 2

您可以打开文件（使用 fopen 或类似的东西）并一次读取一行。然后只需检查所需的字符串是否在行中（例如使用 strstr），如果是，则将其添加到数组中或对行执行所需的操作。 注意：这仅适用于每个段落位于不同行的情况。

fopen 文档

strstr 文档

Answer 3

$doc = new DOMDocument;
$doc->loadHTML(...);
$query = '//p[contains(@class, "just-for-demo-")]';
$xpath = new DOMXPath($doc);
$entries = $xpath->query($query);

foreach ($entries as $entry)
{
  // not a best solution yet
  $attribute = '';
  foreach ($entry->attributes as $attr)
  {
    $attribute .= "{$attr->name}=\"{$attr->value}\"";
  }

  echo "<{$entry->nodeName}{$attribute}>{$entry->nodeValue}</{$entry->nodeName}>";
}

Answer 4

另外，如果你熟悉 jQuery，那么试试jQuery port to PHP，你可以拥有一套强大的工具来匹配文档中的一组元素（选择器），就像你过去使用 jQuery 和 Hierarchy 一样, 属性过滤器, 子过滤器等,Reference