php - PHP DOMXPath 使用完整路径获取值 - 无 ID
问题描述
我试图通过直接 XPath 获取元素的值,因为该元素没有 ID。
$dom = new DOMDocument();
@$dom->loadHTML($rawHTML);
$finder = new DOMXPath($dom);
//this works well
$elements = $finder->query("//*[@id='html-ID-value']")->item(0);
//this does Not work
$testPath = '/html/body/div[2]/div[1]/div[7]/div[1]/div/div/table/tbody/tr[6]/td';
//tested several different ways to fetch the data
$elements = $finder->query("//*[@xpath='" . $testPath . "']");
$elements = $finder->query( $testPath );
$elements = $finder->evaluate( $testPath );
我正在通过 Firefox 生成测试直接 XPath。我使用检查器突出显示一个元素,然后右键单击它并选择复制 XPath。
使用 ID 时,代码运行良好,但我无法使用直接 XPath 获取数据。
我正在寻找的元素没有任何唯一值可供搜索。我想使用直接 XPath 而不是遍历复杂的 DOM 对象,因为我需要这段代码在许多不同的路径上进行操作,这些路径都是不同的。
任何帮助将非常感激。
谢谢。
========== 编辑/更新 ====================================== =============
非常感谢您的回复。我添加了一个更完整的示例来说明我遇到的问题。在这个例子中,我使用 google 的主页并通过 ID 获取数据,然后通过完整的 XPath 获取另一个数据。ID 可以很好地获取,并且完整的 XPath 失败。
我还尝试了“评估”方法。
我无法减少或简化完整的 XPath 数据,因为这只是一个示例。如果没有要获取的 ID,用户将生成此路径。因此,每次路径都会根据用户的需求而有所不同。
我确实同意,在 PHP 中解析后,浏览器上获取的路径可能不同,这可能是导致问题的原因。我不知道我将如何解决这个问题。
<?php
error_reporting(E_ALL);
ini_set('display_errors', 1);
$ch = curl_init();
curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
curl_setopt($ch, CURLOPT_VERBOSE, true);
curl_setopt($ch, CURLOPT_AUTOREFERER, true);
curl_setopt($ch, CURLOPT_REFERER, "http://www.google.com/bot.html");
curl_setopt($ch, CURLOPT_HEADER, 0);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_USERAGENT, "Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10_5_8; en-US) AppleWebKit/534.16 (KHTML, like Gecko) Chrome/10.0.648.127 Safari/534.16" );
curl_setopt($ch, CURLOPT_URL, "https://www.google.com/" );
$result = curl_exec($ch);
curl_close($ch);
$dom = new DOMDocument();
@$dom->loadHTML($result);
$finder = new DOMXPath($dom);
// get "google offered in:" text by id ----------------------------------------------
$elements = $finder->query("//*[@id='SIvCob']")->item(0);
$results = '';
if ($elements) {
$results = $elements->firstChild->textContent;
} else {
$results = "";
}
print('google language: [' . $results . "] <br>"); //returns "Google offered in: " as expected
// get "Store" text by full xpath, top left corner of page -------------------------------------------
$xpath = "/html/body/div/div[3]/div[1]/a[2]"; //path generated by firefox inspector, right clicking on element
$elements = $finder->query($xpath)->item(0);
$results = '';
if ($elements) {
$results = $elements->firstChild->textContent;
} else {
$results = "";
}
print('google store: [' . $results . "] <br>"); //returns nothing
print_r($elements); //returns nothing
//trying again ----------------------------------------------------------------------------
$result = $finder->evaluate($xpath);
foreach ($result as $node) {
var_dump($node); //returns nothing
}
解决方案
Firefox 中解析的 DOM 不一定与原始来源相同。Firefox 修改/修复文档。例如,它添加tbody
元素。
所以试试吧:
$expression = '/html/body/div[2]/div[1]/div[7]/div[1]/div/div/table/tr[6]/td';
$result = $finder->evaluate($expression);
foreach ($result as $node) {
var_dump($node);
}
但是我建议使用其他东西作为条件来使表达式不那么复杂。例如表格周围的 div 的类属性。
//div[@class="aClass anotherClass"]/table/tr[6]/td
或者th
表里面第一个的内容:
//table[contains((tr/th)[1], "Column Header")]/tr[6]/td
推荐阅读
- java - 无论 DST 如何,都可以在正确的时间检索日期
- postgresql - PostgreSQL - COPY 上的左填充值
- reactjs - useEffect 陷入无限循环
- r - 在 R 中,如何反转 split()
- python - Python散景回调函数滑块
- php - 尝试登录用户时不存在方法 Illuminate\Auth\RequestGuard::attempt
- javascript - javascript中的Clearinterval范围问题
- amazon-web-services - CloudFormation 模板在创建 ECS 服务时卡在 CREATE_IN_PROGRESS
- python - 仅迭代给定列表 Python 中的零
- php - SQLSRV 在返回查询时跳过一行