php - 簡單的HTML DOM - 其他元素之間的元素

Question

我想寫一個PHP腳本來抓取一個網站，並保留在數據庫中的一些元素。

這裏是我的問題：一個網頁是這樣寫的：

<h2>The title 1</h2> 
<p class="one_class"> Some text </p> 
<p> Some interesting text </p> 

<h2>The title 2</h2> 
<p class="one_class"> Some text </p> 
<p> Some interesting text </p> 

<p class="one_class"> Some different text </p> 
<p> Some other interesting text </p> 

<h2>The title 3</h2> 
<p class="one_class"> Some text </p> 
<p> Some interesting text </p> 

我想只有H2和P有趣的文本，而不是在p類=「one_class」。

我嘗試這樣做PHP代碼：

<?php 
$numberP = 0; 
foreach($html->find('p') as $p) 
{ 
    $pIsOneClass = PIsOneClass($html, $p); 

    if($pIsOneClass == false) 
    { 
     echo $p->outertext; 
       $h2 = $html->find("h2", $numberP); 
       echo $h2->outertext; 
       $numberP++; 
     } 

} 
?> 

功能PIsOneClass（$ HTML，$ p）爲：

<?php 
function PIsOneClass($html, $p) 
{ 
foreach($html->find("p.one_class") as $p_one_class) 
    { 
     if($p == $p_one_class) 
     { 
      return true; 
     }   
    } 
    return false; 
} 
?> 

它不工作，我明白爲什麼，但我不知道如何解決它。

我們怎麼說「我想每個沒有班級的人都在兩個h2之間？」

Thx很多！

Answer 1

使用XPath可以更輕鬆地完成此任務，因爲您正在抓取多個元素，並且要保持源代碼的順序。您可以使用PHP的DOM庫，其中包括DOMXPath，查找和篩選需要的元素：

$html = '<h2>The title 1</h2> 
<p class="one_class"> Some text </p> 
<p> Some interesting text </p> 

<h2>The title 2</h2> 
<p class="one_class"> Some text </p> 
<p> Some interesting text </p> 

<p class="one_class"> Some different text </p> 
<p> Some other interesting text </p> 

<h2>The title 3</h2> 
<p class="one_class"> Some text </p> 
<p> Some interesting text </p>'; 

# create a new DOM document and load the html 
$dom = new DOMDocument; 
$dom->loadHTML($html); 
# create a new DOMXPath object 
$xp = new DOMXPath($dom); 

# search for all h2 elements and all p elements that do not have the class 'one_class' 
$interest = $xp->query('//h2 | //p[not(@class="one_class")]'); 

# iterate through the array of search results (h2 and p elements), printing out node 
# names and values 
foreach ($interest as $i) { 
    echo "node " . $i->nodeName . ", value: " . $i->nodeValue . PHP_EOL; 
} 

輸出：

node h2, value: The title 1 
node p, value: Some interesting text 
node h2, value: The title 2 
node p, value: Some interesting text 
node p, value: Some other interesting text 
node h2, value: The title 3 
node p, value: Some interesting text 

正如你所看到的，原文停留在秩序，它的容易消除你不想要的節點。

Answer 2

從已經具有一定值的指定屬性的simpleHTML dom manual

[attribute=value] 

匹配元素。 或

[!attribute] 

匹配沒有指定屬性的元素。