php - 使用 xpath 将无序列表 html 标记转换为多维数组
问题描述
我正在尝试创建一个数组来重现下面的代码:
<div class="singlepost">
<ul class="linha_status" style="">
<li>Status: <b>Objeto em trânsito - por favor aguarde</b></li>
<li>Data : 24/10/2021 | Hora: 12:04</li>
<li>Origem: Unidade de Tratamento - Jaboatao Dos Guararapes / PE</li>
<li>Destino: Agência dos Correios - Cuitegi / PB</li>
</ul>
<ul class="linha_status" style="">
<li>Status: <b>Objeto em trânsito - por favor aguarde</b></li>
<li>Data : 19/10/2021 | Hora: 00:03</li>
<li>Origem: Unidade de Logística Integrada - Curitiba / PR</li>
<li>Destino: Unidade de Tratamento - Recife / PE</li>
</ul>
<ul class="linha_status" style="">
<li>Status: <b>Fiscalização aduaneira finalizada</b></li>
<li>Data : 18/10/2021 | Hora: 23:35</li>
<li>Local: Unidade Operacional - Curitiba / PR</li>
</ul>
<ul class="linha_status" style="">
<li>Status: <b>Objeto recebido pelos Correios do Brasil</b></li>
<li>Data : 16/10/2021 | Hora: 11:45</li>
<li>Local: Unidade de Logística Integrada - Curitiba / PR</li>
</ul>
<ul class="linha_status" style="">
<li>Status: <b>Objeto postado</b></li>
<li>Data : 14/10/2021 | Hora: 20:30</li>
<li>Local: País - / </li>
</ul>
</div>
我正在使用 xpath 和 foreach 创建数组,但结果并不好......它正在工作,但不是我需要的输出,这是我编写的代码:
$doc = new DOMDocument();
$doc->loadHTML($htmlString);
$xpath = new DOMXPath($doc);
$geral = $xpath->evaluate('//ul[@class="linha_status"]');
foreach ($geral as $name) {
$total[] = $name->nodeValue;
}
var_dump($total);
我的实际代码产生了这个输出:
array(5) {
[0] => string(195)
" Status: Objeto em trânsito - por favor aguarde Data : 24/10/2021 | Hora: 12:04 Origem: Unidade de Tratamento - Jaboatao Dos Guararapes / PE Destino: Agência dos Correios - Cuitegi / PB"
[1] => string(189)
" Status: Objeto em trânsito - por favor aguarde Data : 19/10/2021 | Hora: 00:03 Origem: Unidade de Logística Integrada - Curitiba / PR Destino: Unidade de Tratamento - Recife / PE"
[2] => string(128)
" Status: Fiscalização aduaneira finalizada Data : 18/10/2021 | Hora: 23:35 Local: Unidade Operacional - Curitiba / PR"
[3] => string(145)
" Status: Objeto recebido pelos Correios do Brasil Data : 16/10/2021 | Hora: 11:45 Local: Unidade de Logística Integrada - Curitiba / PR"
[4] => string(83)
" Status: Objeto postado Data : 14/10/2021 | Hora: 20:30 Local: País - / "
}
这是我想要的输出:
"eventos": [{
"status": "Objeto em trânsito - por favor aguarde",
"data": "24/10/2021",
"hora": "12:04",
"origem": "Unidade de Tratamento - Jaboatao Dos Guararapes / PE",
"destino": "Agência dos Correios - Cuitegi / PB"
}, {
"status": "Objeto em trânsito - por favor aguarde",
"data": "19/10/2021",
"hora": "00:03",
"origem": "Unidade de Logística Integrada - Curitiba / PR",
"destino": "Unidade de Tratamento - Recife / PE"
}, {
"status": "Fiscalização aduaneira finalizada",
"data": "18/10/2021",
"hora": "23:35",
"local": "Unidade Operacional - Curitiba / PR"
}, {
"status": "Objeto recebido pelos Correios do Brasil",
"data": "16/10/2021",
"hora": "11:45",
"local": "Unidade de Logística Integrada - Curitiba / PR"
}, {
"status": "Objeto postado",
"data": "14/10/2021",
"hora": "20:30",
"local": "País - /"
}]
解决方案
也许
function json_encode_pretty($data, int $extra_flags = 0, int $exclude_flags = 0): string
{
// prettiest flags for: 7.3.9
$flags = JSON_PRETTY_PRINT | JSON_UNESCAPED_SLASHES | JSON_UNESCAPED_UNICODE | (defined("JSON_UNESCAPED_LINE_TERMINATORS") ? JSON_UNESCAPED_LINE_TERMINATORS : 0) | JSON_PRESERVE_ZERO_FRACTION | (defined("JSON_THROW_ON_ERROR") ? JSON_THROW_ON_ERROR : 0);
$flags = ($flags | $extra_flags) & ~ $exclude_flags;
return (json_encode($data, $flags));
}
function loadHTML_noemptywhitespace(string $html, int $extra_flags = 0, int $exclude_flags = 0): \DOMDocument
{
$flags = LIBXML_HTML_NODEFDTD | LIBXML_NOBLANKS | LIBXML_NONET;
$flags = ($flags & ~ $exclude_flags) | $extra_flags;
$domd = new \DOMDocument();
$domd->preserveWhiteSpace = false;
@$domd->loadHTML('<?xml encoding="UTF-8">' . $html, $flags);
$removeAnnoyingWhitespaceTextNodes = function (\DOMNode $node) use (&$removeAnnoyingWhitespaceTextNodes): void {
if ($node->hasChildNodes()) {
// Warning: it's important to do it backwards; if you do it forwards, the index for DOMNodeList might become invalidated;
// that's why i don't use foreach() - don't change it (unless you know what you're doing, ofc)
for ($i = $node->childNodes->length - 1; $i >= 0; --$i) {
$removeAnnoyingWhitespaceTextNodes($node->childNodes->item($i));
}
}
if ($node->nodeType === XML_TEXT_NODE && !$node->hasChildNodes() && !$node->hasAttributes() && ! strlen(trim($node->textContent))) {
//echo "Removing annoying POS";
// var_dump($node);
$node->parentNode->removeChild($node);
} //elseif ($node instanceof DOMText) { echo "not removed"; var_dump($node, $node->hasChildNodes(), $node->hasAttributes(), trim($node->textContent)); }
};
$removeAnnoyingWhitespaceTextNodes($domd);
return $domd;
}
$domd=loadHTML_noemptywhitespace($html);
$xp=new DOMXPath($domd);
$extracted=[];
foreach($xp->query("//div[contains(@class,'singlepost')]/ul") as $ul){
$ulData=[];
foreach($xp->query("./li", $ul) as $li){
$data = explode(":",$li->nodeValue, 2);
$uldata[trim($data[0])] = trim($data[1]);
}
$extracted[]=$uldata;
}
echo json_encode_pretty($extracted);
打印:
[
{
"Status": "Objeto em trânsito - por favor aguarde",
"Data": "24/10/2021 | Hora: 12:04",
"Origem": "Unidade de Tratamento - Jaboatao Dos Guararapes / PE",
"Destino": "Agência dos Correios - Cuitegi / PB"
},
{
"Status": "Objeto em trânsito - por favor aguarde",
"Data": "19/10/2021 | Hora: 00:03",
"Origem": "Unidade de Logística Integrada - Curitiba / PR",
"Destino": "Unidade de Tratamento - Recife / PE"
},
{
"Status": "Fiscalização aduaneira finalizada",
"Data": "18/10/2021 | Hora: 23:35",
"Origem": "Unidade de Logística Integrada - Curitiba / PR",
"Destino": "Unidade de Tratamento - Recife / PE",
"Local": "Unidade Operacional - Curitiba / PR"
},
{
"Status": "Objeto recebido pelos Correios do Brasil",
"Data": "16/10/2021 | Hora: 11:45",
"Origem": "Unidade de Logística Integrada - Curitiba / PR",
"Destino": "Unidade de Tratamento - Recife / PE",
"Local": "Unidade de Logística Integrada - Curitiba / PR"
},
{
"Status": "Objeto postado",
"Data": "14/10/2021 | Hora: 20:30",
"Origem": "Unidade de Logística Integrada - Curitiba / PR",
"Destino": "Unidade de Tratamento - Recife / PE",
"Local": "País - /"
}
]
推荐阅读
- ruby-on-rails - Rails 6 ActionText错误“”:String的未定义方法'body'
- sql - 如果员工匹配到 1,则 SQL 排除所有行
- angular - Angular 9 'this' 在路由器 Navigation End 中未定义在调试断点处订阅
- html - Wordpress 的 Rest Api 正在获取 HTML 代码
- dns - LogStash - 本地 DNS 查找
- sql - ORA-04098: 触发器 'PFA.TRIGG_MODIF_ADH' 无效并且重新验证失败
- css - 如何自定义 vuetify 布局结构?
- c - 不能在迷宫求解器中使用矩阵作为函数参数
- flutter - 如何在 Flutter 中使用 Web 视图打开存储在内部或外部存储中的 HTML 文件
- c# - 带有 Interop.Excel 的 C# 服务不能作为服务工作,而只能在本地工作