PHP：使用xpath从html表中提取多个数据答案

【问题标题】：PHP: extract multiple data from html table with xpathPHP：使用xpath从html表中提取多个数据
【发布时间】：2019-07-31 22:49:12
【问题描述】：

我必须从 HTML 页面读取信息并将其传输到多个数组以进行进一步处理。我使用 xpath 的方法并没有那么成功，以至于我无法访问我想要的数据。

正文部分包含一个行数不同的表格，如下例所示：

...
</tr>
<tr>
    <td class="name" title="43PUS6551" datalabel="43PUS6551">
        <span>43PUS6551</span>
    </td>
    <td datalabel="Internetnutzung" class="usage">eingeschrÃ¤nkt</td>
    <td datalabel="Onlinezeit heute" class="bar time">
        <span title="03:20 von 14:00 Stunden">
            <span style="width:23.81%;"/>
        </span>
    </td>
    <td datalabel="Zugangsprofil" class="profile">
        <select name="profile:user6418">
            <option value="filtprof1">Standard</option>
            <option value="filtprof3">UnbeschrÃ¤nkt</option>
            <option value="filtprof4">Gesperrt</option>
            <option value="filtprof5334">Network</option>
            <option value="filtprof5333" selected="selected">Stream</option>
            <option value="filtprof4526">X-Box_One</option>
        </select>
    </td>
    <td datalabel="" class="btncolumn">
        <button type="submit" name="edit" id="uiEdit:user6418" value="filtprof5333" class="icon edit" title="Bearbeiten"/>
    </td>
</tr>
<tr>
...

我需要一个数组，它包含第 2 行的 title 属性作为键，并从 <select> 部分（第 12 行）获取属性 name 作为值。

$devices = [
    '43PUS6551' => 'profile:user6418'
    …
]

我从这个开始，我能够接收到这个数组的密钥：

    $dom = new DOMDocument();
    $dom->preserveWhiteSpace = false;
    $dom->loadHTML($response);
    $xmlSite = simplexml_import_dom($dom);

    $devices = [];
    $rows = $xmlSite->xpath('//tr/td[@title=@datalabel]');
    foreach ($rows as $row) {
        $key = utf8_decode((string)$row->attributes()['title']);

但现在我正在努力获得指定值。我尝试了不同的方法：向上使用parent 并返回到节点<select> 或使用following-sibling。但是我太愚蠢了，无法正确使用 xpath 合成器。

如果我做到了，我需要一个数组，其中包含 <select> 部分（第 12 行）中的属性 name 作为键和 <option> 部分中的属性 value 也是 selcted价值。

$filters = [
    'profile:user6418' => 'filtprof5333'
    …
]

最后，我需要一个包含来自<option> 部分的数据的数组（出现在每一行中）：

$profiles = [
    'Standard' => 'filtprof1',
    'Unbeschränkt' => 'filtprof3,
    …
    'X-Box-One' => 'filtprof4526',
]

任何有关propper xpath-hints的帮助将不胜感激

【问题讨论】：

PHP DomDocument 可能就是您要找的。span>
我可以尝试没有 PHP DOMDocument 的 xpath 吗？
好吧，这取决于你的代码，虽然你没有在这里放任何代码。看看这个答案，可能会有所帮助Difference between simplexml and Dom

标签： php html parsing

【解决方案1】：

试试看：

preg_match_all('/\<option value\="([a-z0-9]+)">([A-Za-z0-9\_\-]+)\<\/option\>/', $str, $match, PREG_SET_ORDER);
$profiles = array();
foreach($match as $row) {
  $profiles[$row[2]] = $row['1'];
}
print_r($profiles);

【讨论】：

说实话，我不太喜欢 preg_match - 尤其是在这种情况下，我不确定所请求的网站返回给我的内容是什么。因此，我宁愿通过 xpath 实现这一点。

【解决方案2】：

我想要的以下功能：

    // convert html response into SimpleXML
    $dom = new DOMDocument();
    $dom->preserveWhiteSpace = false;
    $dom->loadHTML($response);
    $xmlSite = simplexml_import_dom($dom);

    // initialize processing values
    $devices = [];
    $options = [];
    $filters = [];

    // parse SimpleXML with xpath to get current data
    $rows = $xmlSite->xpath('//tr/td[@title=@datalabel]');  // these are the rows with assignments of devices to filters
    foreach ($rows as $row) {
        $key = utf8_decode((string)$row->attributes()['title']);    // name (label) of the devices
        if (preg_match('/Alle /', $key)) {                          // skip standard settings
            continue;
        }
        $select = $row->xpath('parent::*//select[@name]');  // find the line with the currently assigned ID for the device
        $value = (string)$select[0]->attributes()['name'];  // get the current ID ('profile:user*' or 'profile:landevice*')
        $devices[$key] = $value;

        $options = $select[0]->xpath('option');             // the defined filters (dropdown in each row)
        foreach ($options as $option) {
            $profiles[utf8_decode((string)$option)] = (string)$option->attributes()['value'];   // get label and ID of filters
            if (isset($option->attributes()['selected'])) {     // determine the filter currently assigned to the device
                $filters[$value] = (string)$option->attributes()['value'];  // get device (ID) and filter (ID)
            }
        }
    }

【讨论】：