如何将此HTML表格转换为XML？
如何将此HTML表格转换为XML？
提问于 2013-03-03 05:53:02
这里有两个表，其中包含我想要的XML格式的数据。实际情况是两个以上的随机行数。
<table width="100%" align="center" class="mytable" border="1" cellspacing="1">
<tr><td width="100%"><b>Δ.Ο.Υ. Α' ΑΘΗΝΩΝ (Α',Β',Γ',ΙΕ',ΚΒ') Κ.Α.: 1101</b> Αναξαγόρα 6-8, T.K. 100 10 Αθήνα</a><a name="aa8inon"></a></td></tr>
<tr><td width="8%">Προϊστάμενος</td><td width="8%"> </td><td width="8%"><b>210</b>-52.72.810, 770</td></tr>
<tr><td width="8%">Υποδιευθυντής Φορολογίας</td><td width="8%"> </td><td width="8%"><b>210</b>-52.72.804</td></tr>
<tr><td width="8%">Υποδιευθυντής Ελέγχου</td><td width="8%"><b>213</b> 1604121</td><td width="8%"><b>210</b>-52.72.807</td></tr>
</table>
<table width="100%" align="center" class="mytable" border="1" cellspacing="1">
<tr><td width="100%"><b>Δ.Ο.Υ. ΚΑΤΟΙΚΩΝ ΕΞΩΤΕΡΙΚΟΥ Κ.Α.: 1125</b> Μετσόβου 4-T.K. 106 82 Αθήνα</td></tr>
<tr><td width="8%">Προϊστάμενος</td><td width="8%"><b>213</b> 1607155</td><td width="8%"><b>210</b>- 8204607</td></tr>
<tr><td width="8%">Υποδιευθυντής Φορολογίας</td><td width="8%"> </td><td width="8%"><b>210</b>- 8204604</td></tr>
</table>table标记下面的第一行是根元素，所有其他行都是子元素。如果我在正确命名元素时犯了一些错误，请原谅。
例如，在您看到的第一个<tr><td>
<b>Δ.Ο.Υ. Α' ΑΘΗΝΩΝ (Α',Β',Γ',ΙΕ',ΚΒ') Κ.Α.: 1101</b> Αναξαγόρα 6-8, T.K. 100 10 Αθήνα</a><a name="aa8inon"></a>这将是根元素中的属性名称。
以下行的第一个<td></td> Προϊστάμενος是子元素，从下一个<td>到<tr>的最后一个</td>是该子元素的数据。
这就是我想要的
<note doy="<b>Δ.Ο.Υ. Α' ΑΘΗΝΩΝ (Α',Β',Γ',ΙΕ',ΚΒ') Κ.Α.: 1101</b> Αναξαγόρα 6-8, T.K. 100 10 Αθήνα</a><a name="aa8inon"></a>">
<Προϊστάμενος> </td><td width="8%"><b>210</b>-52.72.810, 770</Προϊστάμενος>
<Υποδιευθυντής Φορολογίας> </td><td width="8%"><b>210</b>-52.72.810, 770</Υποδιευθυντής Φορολογίας>
</note>这个是可能的吗？任何代码都是值得的。
回答 5
Stack Overflow用户
发布于 2013-09-11 17:00:05
首先，我应该注意到您想要输出的XML似乎是无效的。
您可以利用优秀的查询路径库(http://querypath.org/)，并且最终可以将相同的逻辑应用于Javascript (使用JQuery的选择器引擎)。
下面这段代码可以从您的输入生成有效的XML (顺便说一句，我是希腊人，所以对我来说更有意义)：
libxml_use_internal_errors(true);
$html = '<html><head><meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /></head><body><table width="100%" align="center" class="mytable" border="1" cellspacing="1">
<tr><td width="100%"><b>Δ.Ο.Υ. Α\' ΑΘΗΝΩΝ (Α\',Β\',Γ\',ΙΕ\',ΚΒ\') Κ.Α.: 1101</b> Αναξαγόρα 6-8, T.K. 100 10 Αθήνα</a><a name="aa8inon"></a></td></tr>
<tr><td width="8%">Προϊστάμενος</td><td width="8%"> </td><td width="8%"><b>210</b>-52.72.810, 770</td></tr>
<tr><td width="8%">Υποδιευθυντής Φορολογίας</td><td width="8%"> </td><td width="8%"><b>210</b>-52.72.804</td></tr>
<tr><td width="8%">Υποδιευθυντής Ελέγχου</td><td width="8%"><b>213</b> 1604121</td><td width="8%"><b>210</b>-52.72.807</td></tr>
</table>
<table width="100%" align="center" class="mytable" border="1" cellspacing="1">
<tr><td width="100%"><b>Δ.Ο.Υ. ΚΑΤΟΙΚΩΝ ΕΞΩΤΕΡΙΚΟΥ Κ.Α.: 1125</b> Μετσόβου 4-T.K. 106 82 Αθήνα</td></tr>
<tr><td width="8%">Προϊστάμενος</td><td width="8%"><b>213</b> 1607155</td><td width="8%"><b>210</b>- 8204607</td></tr>
<tr><td width="8%">Υποδιευθυντής Φορολογίας</td><td width="8%"> </td><td width="8%"><b>210</b>- 8204604</td></tr>
</table></body></html>';
$results = qp($html, 'table.mytable');
$xml = new \SimpleXMLElement('<?xml version="1.0" encoding="UTF-8"?><notes/>');
foreach( $results as $result ) {
$note = $xml->addChild("note");
foreach( $result->children('tr') as $idx => $tr ) {
if( $idx == 0 ) {
$note->addAttribute("doy", $tr->children('td')->text());
continue;
}
$tds = $tr->children('td');
foreach( $tds as $tidx => $td ) {
if( $tidx == 0 ) {
$person = $note->addChild("person");
$person->addAttribute("title", trim($td->text()));
continue;
}
$phoneValue = $td->text();
$phoneValue = str_replace( array(" ", ".", "-", "\xc2\xa0"), "", $phoneValue );
if( $phoneValue != '' )
$phone = $person->addChild("phone", $phoneValue);
}
}
}
$dom = dom_import_simplexml($xml)->ownerDocument;
$dom->formatOutput = true;
echo $dom->saveXML();输出：
<?xml version="1.0" encoding="UTF-8"?>
<notes>
<note doy="Δ.Ο.Υ. Α' ΑΘΗΝΩΝ (Α',Β',Γ',ΙΕ',ΚΒ') Κ.Α.: 1101 Αναξαγόρα 6-8, T.K. 100 10 Αθήνα">
<person title="Προϊστάμενος">
<phone>2105272810,770</phone>
</person>
<person title="Υποδιευθυντής Φορολογίας">
<phone>2105272804</phone>
</person>
<person title="Υποδιευθυντής Ελέγχου">
<phone>2131604121</phone>
<phone>2105272807</phone>
</person>
</note>
<note doy="Δ.Ο.Υ. ΚΑΤΟΙΚΩΝ ΕΞΩΤΕΡΙΚΟΥ Κ.Α.: 1125 Μετσόβου 4-T.K. 106 82 Αθήνα">
<person title="Προϊστάμενος">
<phone>2131607155</phone>
<phone>2108204607</phone>
</person>
<person title="Υποδιευθυντής Φορολογίας">
<phone>2108204604</phone>
</person>
</note>
</notes>请注意：我已经将您的<html><head><body>代码包装在<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />标签中，添加了html标签来帮助查询路径识别编码。如果您需要更多信息，请参阅https://github.com/technosophos/querypath/issues/94。如果您坚持创建在问题中粘贴的XML，则可以相应地更改示例。
此外，查询路径奇怪地将 转换为0xC2 0xA0 (c2a0) (Unicode character no-break-space) (http://www.fileformat.info/info/unicode/char/a0/index.htm)，因此str_replace中的"\xc2\xa0"
Stack Overflow用户
发布于 2013-09-08 08:57:05
回过头来看，我不知道你的问题是针对php的还是针对javascript的，但这里有一个Javascript的答案。只需将其保存为HTML文件并将其加载到新的浏览器窗口中即可查看输出。
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
</head>
<body>
<table width="100%" align="center" class="mytable" border="1" cellspacing="1">
<tr><td width="100%"><b>Δ.Ο.Υ. Α' ΑΘΗΝΩΝ (Α',Β',Γ',ΙΕ',ΚΒ') Κ.Α.: 1101</b> Αναξαγόρα 6-8, T.K. 100 10 Αθήνα</a><a name="aa8inon"></a></td></tr>
<tr><td width="8%">Προϊστάμενος</td><td width="8%"> </td><td width="8%"><b>210</b>-52.72.810, 770</td></tr>
<tr><td width="8%">Υποδιευθυντής Φορολογίας</td><td width="8%"> </td><td width="8%"><b>210</b>-52.72.804</td></tr>
<tr><td width="8%">Υποδιευθυντής Ελέγχου</td><td width="8%"><b>213</b> 1604121</td><td width="8%"><b>210</b>-52.72.807</td></tr>
</table>
<table width="100%" align="center" class="mytable" border="1" cellspacing="1">
<tr><td width="100%"><b>Δ.Ο.Υ. ΚΑΤΟΙΚΩΝ ΕΞΩΤΕΡΙΚΟΥ Κ.Α.: 1125</b> Μετσόβου 4-T.K. 106 82 Αθήνα</td></tr>
<tr><td width="8%">Προϊστάμενος</td><td width="8%"><b>213</b> 1607155</td><td width="8%"><b>210</b>- 8204607</td></tr>
<tr><td width="8%">Υποδιευθυντής Φορολογίας</td><td width="8%"> </td><td width="8%"><b>210</b>- 8204604</td></tr>
</table>
<textarea id="output" rows="24" cols="140"></textarea>
</body>
<script type="text/javascript">
var tables=document.getElementsByTagName("table");
var doc, note, el, elName, txt,txtContent;
doc=document.implementation.createDocument("AnyNamespaceYouWantForYourXML","RootElementName"); //In older versions of IE, I believe you'll have to resort to an ActiveX object
for(var t =0; t<tables.length;t++){
el=doc.createElement("note");
note=doc.documentElement.appendChild(el);
rows=tables[t].getElementsByTagName("tr");
for(var r=0; r<rows.length; r++){
var tds=rows[r].getElementsByTagName("td");
if(r==0){
note.setAttribute("doy",tds[0].innerHTML); //Unlike in your example output, the real output will have 'special' characters correctly html encoded
} else {
elName=tds[0].innerText;
elName=elName.trim(); //You probably want to discard leading or trailing whitespace
elName=elName.replace(/[\s]+/g,"_"); //XML element names cannot contain spaces, so replace with underscores
//There are other rules relating to valid XML element names which you may need to add here. Greek letters should be fine.
el=doc.createElement(elName);
//It wasn't clear from your example whether you wanted the xml element to contain the text of the html or some text and a td element
//The first case seemed more likely, so here it is
txtContent=" </td>";
for(var d=1;d<tds.length;d++){
txtContent+=tds[d].outerHTML;
}
txt=doc.createTextNode(txtContent);
el.appendChild(txt); //Put the text in the element
note.appendChild(el); //Add the element to the note
}
}
}
console.log(doc); //Check the console, you have a useful XML document object
document.getElementById("output").value=xml2Str(doc.documentElement); //Output a string representation
function xml2Str(xmlNode) {
try {
// Pretty printing available?
return XML((new XMLSerializer()).serializeToString(xmlNode)).toXMLString();
}
catch (e) {}
try {
// Gecko- and Webkit-based browsers (Firefox, Chrome), Opera.
return (new XMLSerializer()).serializeToString(xmlNode).replace(/<([^\/])/g,"\n<$1");
}
catch (e) {}
try {
// Internet Explorer.
return xmlNode.xml.replace(/<([^\/])/g,"<\1");
}
catch (e) {}
//Other browsers without XML Serializer
alert('Xmlserializer not supported');
return false;
}
</script>
</html>示例输出(手动添加缩进)：
<RootElementName xmlns="AnyNamespaceYouWantForYourXML">
<note doy="<b>Δ.Ο.Υ. Α' ΑΘΗΝΩΝ (Α',Β',Γ',ΙΕ',ΚΒ') Κ.Α.: 1101</b> Αναξαγόρα 6-8, T.K. 100 10 Αθήνα<a name="aa8inon"></a>">
<Προϊστάμενος> </td><td width="8%">&nbsp;</td><td width="8%"><b>210</b>-52.72.810, 770</td></Προϊστάμενος>
<Υποδιευθυντής_Φορολογίας> </td><td width="8%">&nbsp;</td><td width="8%"><b>210</b>-52.72.804</td></Υποδιευθυντής_Φορολογίας>
<Υποδιευθυντής_Ελέγχου> </td><td width="8%"><b>213</b> 1604121</td><td width="8%"><b>210</b>-52.72.807</td></Υποδιευθυντής_Ελέγχου>
</note>
<note doy="<b>Δ.Ο.Υ. ΚΑΤΟΙΚΩΝ ΕΞΩΤΕΡΙΚΟΥ Κ.Α.: 1125</b> Μετσόβου 4-T.K. 106 82 Αθήνα">
<Προϊστάμενος> </td><td width="8%"><b>213</b> 1607155</td><td width="8%"><b>210</b>- 8204607</td></Προϊστάμενος>
<Υποδιευθυντής_Φορολογίας> </td><td width="8%">&nbsp;</td><td width="8%"><b>210</b>- 8204604</td></Υποδιευθυντής_Φορολογίας>
</note>
</RootElementName>编辑要注意的事项：
- 您的示例输出令人困惑，因为它包含不匹配的标记(例如，doy属性中的标记和希腊命名标记的内部)。我尽力解释了您的示例输出，并将属性和希腊命名元素中的所有内容都转换为文本。这意味着<表示为& lt；和‘as & apos；，但是，另一种可能性是使用<[！CDATA... ]>将标记括起来，以告诉XML解释器不要分析该区域中的字符。
- 虽然您可以使用希腊字符命名XML元素，但请注意，并非所有字符都是有效的或XML元素名称，因此您必须对第一个单元格中可以显示的文本进行某种控制，或者显式更正代码中的无效字符。请参阅http://www.w3schools.com/xml/xml_elements.asp
Stack Overflow用户
发布于 2013-09-14 19:08:46
您可以将有效的XHTML解析为XML，并使用XML样式表将其转换为所需的XML格式。由于HTML不是有效的XHTML，因此必须首先使用工具对其进行整理，例如an online tidy site。如果您需要在运行时执行此操作，也有一个php library (带有sample code)。
我整理了该站点上的HTML，并对其应用了以下样式表：
<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet version="1.0"
xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
xmlns:xhtml="http://www.w3.org/1999/xhtml"
xmlns:fn="http://www.w3.org/2005/xpath-functions">
<xsl:template match="/xhtml:html/xhtml:body">
<xsl:element name="notes">
<xsl:apply-templates />
</xsl:element>
</xsl:template>
<xsl:template match="xhtml:table">
<xsl:element name="note">
<xsl:attribute name="doy">
<xsl:value-of select="xhtml:tr[1]/xhtml:td" />
</xsl:attribute>
<xsl:for-each select="xhtml:tr[position() != 1]">
<xsl:element name="{translate(xhtml:td,' ','_')}">
<xsl:for-each select="xhtml:td[position() != 1]">
<!-- filter out empty / td elements -->
<xsl:if test="normalize-space(translate(.,' ',' '))">
<xsl:element name="τηλέφωνο">
<xsl:value-of select="." />
</xsl:element>
</xsl:if>
</xsl:for-each>
</xsl:element>
</xsl:for-each>
</xsl:element>
</xsl:template>
</xsl:stylesheet>这会产生以下结果：
<notes>
<note
doy="Δ.Ο.Υ. Α' ΑΘΗΝΩΝ (Α',Β',Γ',ΙΕ',ΚΒ') Κ.Α.: 1101 Αναξαγόρα 6-8, T.K. 100 10 Αθήνα">
<Προϊστάμενος>
<τηλέφωνο>210-52.72.810, 770</τηλέφωνο>
</Προϊστάμενος>
<Υποδιευθυντής_Φορολογίας>
<τηλέφωνο>210-52.72.804</τηλέφωνο>
</Υποδιευθυντής_Φορολογίας>
<Υποδιευθυντής_Ελέγχου>
<τηλέφωνο>213 1604121</τηλέφωνο>
<τηλέφωνο>210-52.72.807</τηλέφωνο>
</Υποδιευθυντής_Ελέγχου>
</note>
<note
doy="Δ.Ο.Υ. ΚΑΤΟΙΚΩΝ ΕΞΩΤΕΡΙΚΟΥ Κ.Α.: 1125 Μετσόβου 4-T.K. 106 82 Αθήνα">
<Προϊστάμενος>
<τηλέφωνο>213 1607155</τηλέφωνο>
<τηλέφωνο>210- 8204607</τηλέφωνο>
</Προϊστάμενος>
<Υποδιευθυντής_Φορολογίας>
<τηλέφωνο>210- 8204604</τηλέφωνο>
</Υποδιευθυντής_Φορολογίας>
</note>
</notes>一些注意事项：
在我看来，期望标记出现在生成的
- 中是很奇怪的。XML包含数据，数据格式不是粗体，也不包含锚点。
- XML元素名称不允许包含空格，所以我将它们替换为underscores
- Must，在整洁的站点中指定UTF-8，否则它会使非
字符变得乱七八糟。
- 我最初尝试使用问题的XML格式，直到我在不同的答案中看到您希望所有电话号码都出现在XML中。
- XML样式表是独立于语言的，有一种方法可以在大多数语言中应用它们。例如，在php中，参见下文，或者在javascript中，甚至在浏览器中，因为您可以使用该样式表提供.xhtml，然后浏览器将呈现该XML。但通常是以相反的方式完成的，即为XML数据创建HTML表示。我不太确定何时何地需要创建XML。
示例php代码：
<?php
$xhtml_file = 'doc.xhtml';
$xsl_file = 'doc.xsl';
$doc = new DOMDocument();
$xsl = new XSLTProcessor();
$doc->load($xsl_file);
$xsl->importStyleSheet($doc);
$doc->load($xhtml_file);
echo $xsl->transformToXML($doc);
?>页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/15179866
复制相关文章
相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号