較简单,我须要把一个导航页的数据整理好写入数据库。一个比較直观的方法是对html文件进行分析。通用的方法是用php的正則表達式来匹配。可是这样做开发和维护都非常困难,代码可读性非常差。
导航页的数据都是规则的排列在DOM树其中的,用JS能够用几个循环轻松的对其进行操作,并且JS须要依赖浏览器,操作数据库非常困难。事实上PHP就有现成的类库对DOM树种的节点进行增删改查操作,在此做一些笔记。
事实上思路比較明白,就是通过DOMDocument将一个html file转换成DOM树的数据结构。再用DOMXPath的实例去搜索这个DOM树,拿到想要特定节点,接下来就能够对当前节点的子树进行遍历,得到想要的结果。
写一个最简单的demo
在当前文件夹下有一个这样一个导航的html文件 "./hao.html"
watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvdHVhbnR1YW5scw==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="">
如今须要得到全部标签的中文内容。php代码例如以下:
//将html/xml文件转换成DOM树
$dom = new DOMDocument();
$dom->loadHTMLFile("hao.html");
//得到全部class为fix的dl标签
// example 1: for everything with an id
//$elements = $xpath->query("//*[@id]");
// example 2: for node data in a selected id
//$elements = $xpath->query("/html/body/div[@id='yourTagIdHere']");
// example 3: same as above with wildcard
//$elements = $xpath->query("*/div[@id='yourTagIdHere']");
$xpath = new DOMXPath($dom);
$dls = $xpath->query('//dl[@class="fix"]');
foreach ($dls as $dl) {
$spans = $dl->childNodes;
foreach ($spans as $span) {
echo trim($span->textContent)."\t";
}
echo "\n";
}
?>
输出结果例如以下:
注意:值得注意的一点是DOMDocument的默认编码方式是Latin,所以在处理utf编码的中文的时候,须要在
后面紧跟着填入在其它位置,或者是仅仅写上哦,不被认可
版权声明:本文博主原创文章,博客,未经同意不得转载。