关于查找类的 Simple_DOM 问题答案

【问题标题】：Simple_DOM question about finding classes关于查找类的 Simple_DOM 问题
【发布时间】：2011-05-21 23:56:01
【问题描述】：

我正在尝试做一个简单的提取，但我总是得到不可预测的结果。

我有这个 HTML 代码

<div class="thread" style="margin-bottom:25px;"> 

<div class="message"> 

<span class="profile">Suzy Creamcheese</span> 

<span class="time">December 22, 2010 at 11:10 pm</span> 

<div class="msgbody"> 

<div class="subject">New digs</div> 

Hello thank you for trying our soap. <BR>  Jim.

</div> 
</div> 


<div class="message reply"> 

<span class="profile">Lars Jörgenmeier</span> 

<span class="time">December 22, 2010 at 11:45 pm</span> 

<div class="msgbody"> 

I never sold you any soap.

</div> 

</div> 

</div>

我正在尝试从“msgbody”中提取外部文本，但前提是“profile”等于某个值。像这样。

$contents  = $html->find('.msgbody');
$elements = $html->find('.profile'); 

           $length = sizeof($contents);

           while($x != sizeof($elements)) {

            $var = $elements[$x]->outertext;

                        //If profile = the right name
            if ($var = $name) {

                                    $text = $contents[$x]->outertext;
                echo $text;

            }



            $x++;
         }

我从错误的个人资料中获取文本，而不是那些具有我需要的关联的个人资料。有没有办法只用一行代码提取所需的信息？

如果 span-profile = "正确的名称" 那么拉出它的 div-msgbody

【问题讨论】：

标签： php html class object simpledom

【解决方案1】：

好的，我将使用DOMXpath 进行此操作。我不确定“外部文本”应该是什么意思，但我会满足这个要求：

如果 span-profile = "正确的名称" 然后拉它的 div-msgbody

首先，这是我使用的缩小的 HTML 测试用例：

<html>
<body>
<div class="thread" style="margin-bottom:25px;"> 

<div class="message"> 

<span class="profile">Suzy Creamcheese</span> 

<span class="time">December 22, 2010 at 11:10 pm</span> 

<div class="msgbody"> 

<div class="subject">New digs</div> 

Hello thank you for trying our soap. <BR>  Jim.

</div> 
</div> 


<div class="message reply"> 

<span class="profile">Lars Jörgenmeier</span> 

<span class="time">December 22, 2010 at 11:45 pm</span> 

<div class="msgbody"> 

I never sold you any soap.

</div> 

</div> 

</div>
</body>
</html>

因此，我们将为此进行 XPath 查询。让我们展示整个事情，然后分解它：

$messages = $xpath->query("//span[@class='profile' and contains(.,'$profile_name')]/../div[@class='msgbody']");

故障：

//跨度

给我跨度

//span[@class='profile']

给我班级所在的跨度简介

//span[@class='profile' 和包含(.,'$profile_name')]

给我班级所在的跨度轮廓和跨度的内部包含$profile_name，这是你的名字

//span[@class='profile' 和包含(.,'$profile_name')]/../

给我班级所在的跨度轮廓和跨度的内部包含$profile_name，这是你的名字现在上升一个层次，这让我们到达<div class="message">

//span[@class='profile' 和包含(.,'$profile_name')]/../div[@class='msgbody']

给我班级所在的跨度轮廓和跨度的内部包含$profile_name，这是你的名字现在上升一个层次，这让我们到达<div class="message"> 最后，给我 <div class="message"> 下的所有 div 其中类是 msgbody

那么，下面是 PHP 代码示例：

$doc = new DOMDocument();
$doc->loadHTMLFile("test.html");

$xpath = new DOMXpath($doc);
$profile_name = 'Lars Jörgenmeier';
$messages = $xpath->query("//span[@class='profile' and contains(.,'$profile_name')]/../div[@class='msgbody']");
foreach ($messages as $message) {
  echo trim("{$message->nodeValue}") . "\n";
}

XPath 就像这样非常强大。我建议查看basic tutorial，如果您想查看更高级的用法，可以查看XPath standard。

【讨论】：

谁有很多简洁的信息。感谢 xpath 转换。我喜欢 Simple_DOM，但它会破坏内存！
另外，我注意到你必须在标题中插入这个来获取那些特殊字符，例如 Jörgenmeier 来传递 XPath。
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd"> <html xmlns="http://www.w3.org/1999/xhtml"> <head> <meta http-equiv="Content-Type" content="text/html; charset=UTF-8"/>
@user734063 嗯很有趣.. 老实说，您可能只需要 <meta http-equiv="Content-Type" ....> 位。它很可能对我有用，因为我将文件保存在本地并默认设置了 UTF-8。

【解决方案2】：

这是一个简单的 HTML DOM 工作示例。

我更改了您的示例 html，因此 Suzy Creamcheese 的配置文件不止一个，如下所示：（文件：test_class_class.htm）

 <div class="message"> 
   <span class="profile">Suzy Creamcheese</span> 
   <span class="time">December 22, 2010 at 11:10 pm</span> 
   <div class="msgbody"> 
     <div class="subject">New digs</div> 
       Hello thank you for trying our soap. <BR>  Jim.
     </div> 
   </div> 

   <div class="message reply"> 
     <span class="profile">Lars Jörgenmeier</span> 
     <span class="time">December 22, 2010 at 11:45 pm</span> 
     <div class="msgbody"> 
       I never sold you any soap.
     </div> 
   </div> 
 </div>

 <div class="message"> 
   <span class="profile">Suzy Yogurt</span> 
   <span class="time">December 22, 2010 at 11:10 pm</span> 
   <div class="msgbody"> 
     <div class="subject">No Creamcheese</div> 
       This is not Suzy Creamcheese <BR>  Jim.
     </div> 
   </div> 

   <div class="message reply"> 
     <span class="profile">Suzy Creamcheese</span> 
     <span class="time">December 22, 2010 at 11:45 pm</span> 
     <div class="msgbody"> 
       A reply from Suzy Creamcheese.
     </div> 
   </div> 
 </div>

</div>

这是我使用 Simple HTML DOM 进行的测试：包括('simple_html_dom.php');

function getMessage_for_profile($iUrl,$iProfile)
{
    // create HTML DOM
    $html = file_get_html($iUrl);

    // get text elements
    $aoProfile = $html->find('span[class=profile]'); 
    echo "Found ".count($aoProfile)." profiles.<br />";

    foreach ($aoProfile as $key=>$oProfile)
    {
      if ($oProfile->plaintext == $iProfile)
      {
        echo "<b>Profile ".$key.": ".$oProfile->plaintext."</b><br />";
// Using $e->next_sibling ()
        $oCurrent = $oProfile;
        while ($oNext = $oCurrent->next_sibling())
        {
           if ( $oNext->class == "msgbody" )
           {
             echo "<hr />";
             echo $oNext->outertext;
             echo "<hr />";
           }
           $oCurrent = $oNext;
        }
      }         
    }

    // clean up memory
    $html->clear();
    unset($html);

    return;
}
// --------------------------------------------
// test it!
// user_agent header...
ini_set('user_agent', 'My-Application/2.5');

getMessage_for_profile('test_class_class.htm','Suzy Creamcheese');
echo "<br /><br /><br />";
getMessage_for_profile('test_class_class.htm','Suzy Yogurt');

我的输出是：

Found 4 profiles.
Profile 0: Suzy Creamcheese
--------------------------------
New digs
Hello thank you for trying our soap.
Jim.
---------------------------------
Profile 3: Suzy Creamcheese
---------------------------------
A reply from Suzy Creamcheese.
---------------------------------



Found 4 profiles.
Profile 2: Suzy Yogurt
---------------------------------
No Creamcheese
This is not Suzy Creamcheese
Jim.
---------------------------------

看看它可以用简单的 HTML DOM 来完成，因为我已经知道 DOM 是如何工作的......或者足以惹上麻烦......我不必学习任何已知的语法！

【讨论】：