使用PHP顶替JS有趣DOM

2023-08-18 20:37:52

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。

这里涉及到2个类 DOMDocument 和 DOMXPath。

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<a>标签的中文内容。php代码例如以下：

<?php 

//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<head>后面紧跟着填入

<meta http-equiv="content-type" content="text/html; charset=utf-8">

在其它位置，或者是仅仅写上<meta content="charset=utf-8">哦，不被认可

码农公寓

相关文章