排除基于 xPath 的部分 html

Question

我正在尝试废弃这个page

我正在使用 xPath 来选择这个，我的代码是 ..

$safeFlag = true ;
//*[@id="tabset_productPage"]/dd[1]/div/div   //HAVE TRIED THIS TOO
//*[@id="tabset_productPage"]/dd[1]/div/div  // HAVE TRIED THIS
$safety_query='//*[@id="tabset_productPage"]/dd[1]/div/div/text()'; 
    $safety = $xpath->query($description_query);



    foreach ($safety as $word1) {

        $safety_warning[]=(trim($word1->nodeValue));
        if($safety_warning != ''){
        $safeFlag = false ;
        $safety_warning[]= 'NO SAFETY WARNING..';
        }
    }


var_dump($safety_warning);

对于描述文本，我使用像

这样的 xPath

//*[@id="tabset_productPage"]/dd[1]

但问题是，使用所有这些，我完全得到了安全警告和描述......

我的问题是，我想分别选择安全警告和描述文本，但我总是将它们作为一个整体，完整的文本包括安全警告和描述，对于上面的所有 xPath.. 此外，html 结构并不总是相同的..description 有时可以放置<br> or <p> 标签，

有人可以指导我吗？一些建议或大纲我怎样才能做到这一点？如何将安全警告/描述放在单独的列/变量中，而两者都是同一元素的子元素..

谢谢..

Answer 1

安全警告是//dl[@id="tabset_productPage"]/dd[1]/ 的第一个文本子节点。要从选择中排除它，您可以选择位置大于 1 的所有文本节点。获取描述的查询如下所示：

$description_query='//dl[@id="tabset_productPage"]/dd[1]/text()[position()>1]';

我准备了一个示例来测试它。来了：

$link = 'http://www.toysrus.com/product/index.jsp?productId=3685677&cp=2255956.2273442.2469772.3263938&green';

$html = file_get_contents($link);
$doc = new DOMDocument();
@$doc->loadHtml($html);

$selector = new DOMXPath($doc);

$safety_query='//*[@id="tabset_productPage"]/dd[1]/div/div/text()';
$safety = $selector->query($safety_query);
$safety_warning = $safety->item(0)->nodeValue;

echo 'Safety Warning: ', $safety_warning, PHP_EOL;

// select text nodes with a position greater than 1
$description_query='//dl[@id="tabset_productPage"]/dd[1]/text()[position()>1]';
$description_result = $selector->query($description_query);

$paragraphs = array();
foreach($description_result as $node) {
    $value = $node->nodeValue;
    if(trim($value) !== '') {
        $paragraphs []= $value;
    }   
}

$description = implode(PHP_EOL . PHP_EOL, $paragraphs);
echo 'Description: ', $description, PHP_EOL;