通过类名获取 DOM 元素答案

【问题标题】：Getting DOM elements by classname通过类名获取 DOM 元素
【发布时间】：2011-09-16 00:26:38
【问题描述】：

我正在使用PHP DOM，我正在尝试在具有给定类名的 DOM 节点中获取一个元素。获取该子元素的最佳方法是什么？

更新：我最终为 PHP 使用了 Mechanize，这更容易使用。

【问题讨论】：

相关：PHP dom to get tag class with multiple css class name

标签： php css dom

【解决方案1】：

更新：*[@class~='my-class'] css 选择器的 Xpath 版本

所以在我在下面回应 hakre 的评论后，我很好奇并查看了 Zend_Dom_Query 背后的代码。看起来上面的选择器被编译为以下 xpath（未经测试）：

[contains(concat(' ', normalize-space(@class), ' '), ' my-class ')]

所以 PHP 将是：

$dom = new DomDocument();
$dom->load($filePath);
$finder = new DomXPath($dom);
$classname="my-class";
$nodes = $finder->query("//*[contains(concat(' ', normalize-space(@class), ' '), ' $classname ')]");

基本上，我们在这里所做的只是规范化class 属性，以便即使单个类也以空格为界，而完整的类列表以空格为界。然后用空格附加我们正在搜索的类。通过这种方式，我们可以有效地查找并仅找到 my-class 的实例。

使用 xpath 选择器？

$dom = new DomDocument();
$dom->load($filePath);
$finder = new DomXPath($dom);
$classname="my-class";
$nodes = $finder->query("//*[contains(@class, '$classname')]");

如果它只是一种类型的元素，您可以将 * 替换为特定的标记名。

如果你需要用非常复杂的选择器做很多事情，我会推荐Zend_Dom_Query，它支持 CSS 选择器语法（a la jQuery）：

$finder = new Zend_Dom_Query($html);
$classname = 'my-class';
$nodes = $finder->query("*[class~=\"$classname\"]");

【讨论】：

也找到了 my-class2 类，但非常可爱。有什么办法只选择第一个元素？
我认为没有 xpath2 是不行的……但是 Zend_Dom_Query 的例子就是这样做的。如果您不想在项目中使用该 compkenet，那么您可能想看看他们如何将该 css 选择器转换为 xpath。也许 DomXPath 支持 xpath 2.0 - 我不确定。
因为class 可以有多个类，例如：<a class="my-link link-button nav-item">。
@prodigitalson：这是不正确的，因为它不反映空格，请尝试//*[contains(concat(' ', normalize-space(@class), ' '), ' classname ')]（信息量很大：CSS Selectors And XPath Expressions）。
@babonk: 是的，你需要结合使用contains 和concat...我们只是在讨论在你正在搜索的类的两边填充空格的细节，或者只是填充一侧。两者都应该工作。

【解决方案2】：

如果你想在没有 zend 的情况下获得类的 innerhtml，你可以使用这个：

$dom = new DomDocument();
$dom->load($filePath);
$classname = 'main-article';
$finder = new DomXPath($dom);
$nodes = $finder->query("//*[contains(concat(' ', normalize-space(@class), ' '), ' $classname ')]");
$tmp_dom = new DOMDocument(); 
foreach ($nodes as $node) 
    {
    $tmp_dom->appendChild($tmp_dom->importNode($node,true));
    }
$innerHTML.=trim($tmp_dom->saveHTML()); 
echo $innerHTML;

【讨论】：

【解决方案3】：

我认为接受的方式更好，但我想这也可以工作

function getElementByClass(&$parentNode, $tagName, $className, $offset = 0) {
    $response = false;

    $childNodeList = $parentNode->getElementsByTagName($tagName);
    $tagCount = 0;
    for ($i = 0; $i < $childNodeList->length; $i++) {
        $temp = $childNodeList->item($i);
        if (stripos($temp->getAttribute('class'), $className) !== false) {
            if ($tagCount == $offset) {
                $response = $temp;
                break;
            }

            $tagCount++;
        }

    }

    return $response;
}

【讨论】：

这个例子在哪里？会很好的。
太好了。我得到了类的元素。现在我想编辑元素的内容，比如将子元素附加到包含类的元素中。如何附加孩子并重新创建整个 HTML？请帮忙。这就是我所做的。 $classResult = getElementByClass($dom, 'div', 'm-signature-pad'); $classResult->nodeValue = ''; $enode = $dom->createElement('img'); $enode->setAttribute('src', $signatureImage); $classResult->appendChild($enode);
通过php修改dom我认为最好使用phpquery github.com/punkave/phpQuery

【解决方案4】：

还有另一种方法不使用DomXPath 或Zend_Dom_Query。

在dav原有函数的基础上，我写了如下函数，返回父节点的tag和class匹配参数的所有子节点。

function getElementsByClass(&$parentNode, $tagName, $className) {
    $nodes=array();

    $childNodeList = $parentNode->getElementsByTagName($tagName);
    for ($i = 0; $i < $childNodeList->length; $i++) {
        $temp = $childNodeList->item($i);
        if (stripos($temp->getAttribute('class'), $className) !== false) {
            $nodes[]=$temp;
        }
    }

    return $nodes;
}

假设你有一个变量 $html 如下 HTML：

<html>
 <body>
  <div id="content_node">
    <p class="a">I am in the content node.</p>
    <p class="a">I am in the content node.</p>
    <p class="a">I am in the content node.</p>    
  </div>
  <div id="footer_node">
    <p class="a">I am in the footer node.</p>
  </div>
 </body>
</html>

getElementsByClass 的使用很简单：

$dom = new DOMDocument('1.0', 'utf-8');
$dom->loadHTML($html);
$content_node=$dom->getElementById("content_node");

$div_a_class_nodes=getElementsByClass($content_node, 'div', 'a');//will contain the three nodes under "content_node".

【讨论】：

【解决方案5】：

DOMDocument 输入缓慢，phpQuery 存在严重的内存泄漏问题。我最终使用了：

https://github.com/wasinger/htmlpagedom

选择一个类：

include 'includes/simple_html_dom.php';

$doc = str_get_html($html);
$href = $doc->find('.lastPage')[0]->href;

我希望这对其他人也有帮助

【讨论】：

如此简单，如此美丽！与 PHP 的原生 DOM 处理相比，它的可用性非常好！请点赞，这是最有用的答案。

【解决方案6】：

我更喜欢为此使用 Symfony。他们的图书馆很不错。

使用The DomCrawler Component

示例：

$browser = new HttpBrowser(HttpClient::create());
$crawler = $browser->request('GET', 'example.com');
$class = $crawler->filter('.class')->first();

【讨论】：

那些 BrowserKit 和 DomCrawler 组件之间的功能相当强大！

【解决方案7】：

PHP 的原生 DOM 处理非常糟糕，请帮自己一个忙，使用这个或任何其他现代 HTML 解析包，它可以在几行内处理这个问题：

安装paquettg/php-html-parser 与

composer require paquettg/php-html-parser

然后在与此内容相同的文件夹中创建一个 .php 文件

<?php

// load dependencies via Composer
require __DIR__ . '/vendor/autoload.php';

use PHPHtmlParser\Dom;

$dom = new Dom;
$dom->loadFromUrl("https://example.com");
$links = $dom->find('.classname a');

foreach ($links as $link) {
    echo $link->getAttribute('href');
}

附：您可以在 Composer's homepage 上找到有关如何安装 Composer 的信息。

【讨论】：