PHP DOM XPath获取HTML节点方法大全

Gary

8 年前

PHP的有些技巧可能大家并不常用到，比如DOM相关的对象。这些方法几乎和Javascript一样的方便，轻松一句就能获取到HTML DOM节点的数据。

相比于使用正则表达式，这个方法更简单快捷。

我就常用DOMDocument和XPath两个类做一个介绍。假设有这样一个HTML页面（部分），其内容如下：

$html = <<<HTML
    <div class=container>
        <img class=logo img id=img1 src=/images/img1.jpg />
        <img class=icon img id=img2 src=/images/img2.jpg />
        <img class=icon use id=img3 src=/images/img3.jpg />
        <p class=icon id=content>Welcome PHP!</p>
    </div>
HTML;

我们把它赋值给字符串变量$html。我们将$html加载到DOM对象，再用DOMXPath解析处理。

$dom = new DOMDocument();
$dom->loadHTML($html);
$xpath = new DOMXPath($dom);

1 DOMXPath用法

接下来我们将用DOMXPath的方法来解析。 DOMXPath有两个核心的部分：传入的表达式和返回值。

表达式是W3C标准的XPath表达式，语法：https://www.w3schools.com/xml/xpath_syntax.asp。

返回值是DOMNodeList对象，有若干属性和方法，也是W3C标准：https://www.w3.org/TR/2003/WD-DOM-Level-3-Core-20030226/DOM3-Core.html。

2 获取img src

获取第一个图片的src内容：

echo $src = $xpath->evaluate('string(//img/@src)');
/*输出：
/images/img1.jpg
*/

获取全部IMG SRC内容

$nodeList = $xpath->query(//img);
$srcList = [];
foreach ($nodeList as $node) {
    $srcList[] = $node->attributes->getNamedItem('src')->nodeValue;
}
print_r($srcList);

/*输出：
Array
(
 [0] => /images/img1.jpg
 [1] => /images/img2.jpg
 [2] => /images/img3.jpg
)
*/

3 获取特定class DOM

获取所有class等于content的id值，这里class值必须是唯一的：

$nodeList = $xpath->query('//*[@class=icon]');
$result = [];
foreach ($nodeList as $node) {
    $result[] = $node->attributes->getNamedItem('id')->nodeValue;
}
print_r($result);
/*输出：
Array
(
    [0] => content
)
*/

获取所有class包含icon的节点的id值：

$nodeList = $xpath->query('//*[contains(@class, icon)]');
$result = [];
foreach ($nodeList as $node) {
    $result[] = $node->attributes->getNamedItem('id')->nodeValue;
}
print_r($result);
/*输出：
Array
(
    [0] => img2
    [1] => img3
    [2] => content
)
*/

获取所有class包含icon的节点的完整HTML内容：

$nodeList = $xpath->query('//*[contains(@class, icon)]');
$result = [];
foreach ($nodeList as $node) {
    $result[] = $dom->saveHTML($node);
}
print_r($result);
/*输出：
Array
(
    [0] => <img class=icon img id=img2 src=/images/img2.jpg>
    [1] => <img class=icon use id=img3 src=/images/img3.jpg>
    [2] => <p class=icon id=content>Welcome PHP!</p>
)
*/

参考地址：