在有效的 PHP query() XPath 中转换 Javascript XPath |规范化 JS XPath --> PHP

Question

这是 Javascript 中的有效 XPath：

id("priceInfo")/div[@class="standardProdPricingGroup"]/span[1]

这变成了与 DOMXPath 一起使用的有效 PHP XPath->query() 是

//*[@id="priceInfo"]//div[@class="standardProdPricingGroup"]//span[1]

1. 您知道任何已经进行此转换的库或自定义组件吗？
2. 您知道列出这两种语法差异的可用文档吗？

我主要担心可能存在很多差异，我正在寻找这些差异，但我在识别这些差异时遇到了问题。

这个问题也可以用不同的方式提出：由于 Javascript 可以有不同的有效 XPath 格式，如何规范它们以与 PHP 一起使用。

其中一个更新还提到，如果存在包含此定义的有效 DTD，则 id() 函数是有效的 XPath。我对输入 DTD 没有控制权，如果有办法找到无需任何特定 DTD 即可工作的解决方案，那就太棒了。

更新：

我想用算法将第一种格式转换为第二种格式。我的输入是第一个而不是第二个。无法更改。

正如@Nison Maël 所指出的，第二种格式是有效的 Javascript XPath，如下所示：http://jsbin.com/elatum/2/edit 不幸的是，这只会增加 Javascript XPath“碎片化”的问题。

@salathe 指出，如果记录的输入具有有效的 DTD（@Dimitre Novatchev 在评论中提到这一点，但忽略了重要性），则有效的 Javascript XPath 查询在 PHP 中可以正常工作。不幸的是，我无法控制输入 DTD，所以现在我必须研究一种方法来克服这个问题，或者找到一个即使没有有效 DTD 也能工作的解决方案。

Answer 1

刚刚看到 Salathe 实际上回答了同样的问题，但考虑到您的评论并更加强调这一点：

您不需要指定任何 DTD。只要您使用DOMDocument::loadHTML 或DOMDocument::loadHTMLFile 函数，HTML id 属性实际上是为xpath id() 函数注册的。使用http://jsbin.com/elatum/2/edit 中给出的演示 HTML，您甚至会在加载文档时遇到错误：

警告：DOMDocument::loadHTMLFile(): ID priceInfo 已在...中定义

这已经表明这是一个真正的 ID 属性，因为它抱怨重复。相关示例代码如下所示：

$xpath = 'id("priceInfo")/div[@class="standardProdPricingGroup"]/span[1]';

$doc = new DOMDocument();
$doc->loadHTMLFile(__DIR__ . '/../data/file-11796340.html');
$xp = new DOMXPath($doc);

$r = $xp->query($xpath);
echo $xpath, "\n";
echo $r ? $r->length : 0, ' elements found', "\n";
if (!$r) return;
foreach($r as $node) {
    echo " - ", $node->nodeValue, "\n";
}

输出是：

id("priceInfo")/div[@class="standardProdPricingGroup"]/span[1]
1 elements found
 - hello

如果您需要更多控制，请先运行 xpath 以将所有 HTML id 属性标记为 xpath 的 ID：

$r = $xp->query("//*[@id]");
if ($r) foreach($r as $node) {
    $node->setIdAttribute('id', true);
}

然后您可以使用与 id() 函数相同的 xpath，无需更改它。

Answer 2

您不能在表达式的开头将id("...") 翻译成//*[@id="..."][1] 吗？

例如，如果可以假设您在 id(...) 表达式中没有任何括号：

$queryRewritten =   preg_replace('/^id\(([^\)]+)\)/','//*[@id=$1][1]',$query);

Sample code

编辑：更正了替换，id() 必须是表达式中的第一个

Answer 3

这不是一个完整的答案，但它太大而无法作为评论发表，它可能会对您有所帮助。

如果您可以控制输入 XML，那么您可以通过在 id 属性前加上 xml: 前缀，在 XML 文档本身中显式声明它们，而不是使用 DTD 来声明 id 属性。

例如，如果你有 XML

<foo id="x27"/>

改成

<foo xml:id="x27"/>

那么 id() 函数会将该属性识别为正式的 XML id 类型，而不仅仅是名称为 id 的属性。

我知道这个“技巧”在 Saxon 处理器上有效，但我必须承认我没有在 PHP 上尝试过。

W3C xml:id