从路径链接中排除 URL？答案

【问题标题】：excluding URLs from path links?从路径链接中排除 URL？
【发布时间】：2011-10-26 19:49:15
【问题描述】：

在下面的函数中，我想指定要从结果中排除的域列表。有哪些选择？要排除的数组集合？

class KeywordSearch
{       
    const GOOGLE_SEARCH_XPATH = "//a[@class='l']";
    public $searchQuery;
    public $numResults ;
    public $sites;
    public $finalPlainText = '';
    public $finalWordList = array();
    public $finalKeywordList = array();

    function __construct($query,$numres=7){
        $this->searchQuery = $query;
        $this->numResults = $numres;
        $this->sites = array();
    }

    protected static $_excludeUrls  = array('wikipedia.com','amazon.com','youtube.com','zappos.com');//JSB NEW

    private function getResults($searchHtml){

        $results = array();
        $dom = new DOMDocument();
        $dom->preserveWhiteSpace = false;
        $dom->formatOutput = false;
        @$dom->loadHTML($searchHtml);
        $xpath = new DOMXpath($dom);
        $links = $xpath->query(self::GOOGLE_SEARCH_XPATH);

        foreach($links as $link)
        {
            $results[] = $link->getAttribute('href');           
        }

        $results = array_filter($results,'self::kwFilter');//JSB NEW
        return $results;
    }

    protected static function kwFilter($value)
    {
        return !in_array($value,self::$_excludeUrls);
    }

【问题讨论】：

标签： php xpath domdocument

【解决方案1】：

protected static $_banUrls  = array('foo.com','bar.com');

private function getResults($searchHtml){

        $results = array();

        $dom = new DOMDocument();

        $dom->preserveWhiteSpace = false;

        $dom->formatOutput = false;

        @$dom->loadHTML($searchHtml);

        $xpath = new DOMXpath($dom);

        $links = $xpath->query(self::GOOGLE_SEARCH_XPATH);


        foreach($links as $link)
        {
        //FILTER OUT SPECIFIC LINKS HERE
            $results[] = $link->getAttribute('href');

        }
        $results = array_filter($results,'self::myFilter');

        return $results;

    }

    protected static function myFilter($value)
    {
            return !in_array($value,self::$_banUrls);
    }

【讨论】：

@Scott B 很高兴它对你有所帮助，如果你觉得它有用，请接受它。
我收到一个错误>“第二个参数，'myFilter'，应该是一个有效的回调”
如果有影响的话，这一切都在一个类中。
还是不开心。我已将修改后的代码粘贴到原始问题中。错误 > “致命错误：无法调用方法 self::kwFilter() 或方法不存在”
@Scott B wats kwFilter() ??我认为您忘记将函数名称更改为 myFilter() 。

【解决方案2】：

既然您标记了这个 XPath，下面是如何使用 XPath contain function: 进行标记

$html = <<< HTML
<ul>
    <li><a href="http://foo.example.com">
    <li><a href="http://bar.example.com">
    <li><a href="http://baz.example.com">
</ul>
HTML;

$dom = new DOMDocument;
$dom->loadHtml($html);
$xp = new DOMXPath($dom);
$query = '//a/@href[
    not(contains(., "foo.example.com")) and
    not(contains(., "bar.example.com"))
]';
foreach ($xp->query($query) as $hrefAttr) {
    echo $hrefAttr->nodeValue;
}

这将输出：

http://baz.example.com

查看Xpath 1.0. specification for other possible string functions 以测试节点集。

【讨论】：