文章/答案/技术大牛

发布

社区首页 >问答首页 >用PHP和XPath实现屏幕抓取

问用PHP和XPath实现屏幕抓取
EN

Stack Overflow用户

提问于 2009-01-07 13:31:49

回答 5查看 2.3K关注 0票数 1

有人知道在使用XPath提取数据时如何保持文本格式吗？

我正在提取所有的区块

<div class="info"> <h5>title</h5> text <a href="somelink">anchor</a> </div>

从一个页面。问题是当我访问nodeValue时，我只能获得纯文本。如何在代码中捕获包括格式化在内的内容，即h5和一个蒸馏器？

提前谢谢。我在谷歌上搜索了所有能想到的组合，但没有找到。

php

xpath

screen-scraping

回答 5

Stack Overflow用户

回答已采纳

发布于 2009-01-07 13:37:30

如果您将其作为DomElement $element作为DomDocument $dom的一部分，那么您将希望执行以下操作：

$string = $dom->saveXml($element);

元素的NodeValue实际上是文本值，而不是结构化的XML。

票数 2

Stack Overflow用户

发布于 2009-01-08 09:42:26

我想补充一下Ciaran McNulty的答案

您可以在SimpleXml中执行相同的操作，如：

$simplexml->node->asXml(); // saveXml() is now an alias

并在引用的基础上展开

元素的NodeValue实际上是文本值，而不是结构化的。

您可以按如下方式考虑您的节点：

<div class="info">
    <__toString()> </__toString()>
    <h5>title</h5>
    <__toString()> text </__toString()>
    <a href="somelink">anchor</a>
    <__toString()> </__toString()>
</div>

其中对$element->nodeValue的调用类似于对$element->__toString()的调用，它只会获取__toString()元素。我创建的虚构__toString()被正式定义为XML_TEXT_NODE。

票数 1

Stack Overflow用户

发布于 2009-01-10 21:15:00

旨在嵌入到另一种语言中(如DOM、XSLT、XQuery等)并且不能用于独立的。最初的问题没有具体说明什么是所需的嵌入。

当XPath嵌入到中时，下面的是一个非常简单而简短的解决方案。

此转换

<xsl:stylesheet version="1.0"
 xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
 <xsl:output omit-xml-declaration="yes"/>

    <xsl:template match="div[@class='info']">
       <xsl:copy-of select="."/>
    </xsl:template>
</xsl:stylesheet>

在此xml文档上应用时的

<html>
    <body>
        <div class="info">
            <h1>title1</h1> text1
            <a href="somelink1">anchor1</a>
        </div>
        Something else here
        <div class="info">
            <h2>title2</h2> text2
            <a href="somelink2">anchor2</a>
        </div>
        Something else here
        <div class="info">
            <h3>title3</h3> text3
            <a href="somelink3">anchor3</a>
        </div>
    </body>
</html>

生成所需的结果

<div class="info">
  <h1>title1</h1> text1
    <a href="somelink1">anchor1</a>
</div>
        Something else here
<div class="info">
  <h2>title2</h2> text2
  <a href="somelink2">anchor2</a>
</div>
        Something else here
<div class="info">
  <h3>title3</h3> text3
  <a href="somelink3">anchor3</a>
</div>

票数 1

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/420304

复制

相似问题

问用PHP和XPath实现屏幕抓取
EN

回答 5

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问用PHP和XPath实现屏幕抓取EN

回答 5

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问用PHP和XPath实现屏幕抓取
EN