Получение элементов DOM из html от file_get_contents

Question

Я извлекаю html с сайта с file_get_contents. У меня есть таблица (с именем класса) внутри html, и я хочу получить данные внутри html-тегов.

Это, как я получать данные HTML из URL:

$url = 'http://example.com'; 
$content = file_get_contents($url); 

HTML, выглядит следующим образом:

<table class="space"> 
    <thead></thead> 
    <tbody> 
     <tr> 
     <td class="marsia">1</td> 
     <td class="mars"> 
      <div>Mars</div> 
     </td> 
     </tr> 
     <tr> 
     <td class="earthia">2</td> 
     <td class="earth"> 
      <div>Earth</div> 
     </td> 
     </tr> 
    </body> 
</table> 

Есть ли способ searh элементов DOM в PHP, как мы делаем в JQuery? Так что я могу получить доступ к значениям 1, 2 (первый td) и значению div во втором td.

Что-то вроде

а) поиск HTML для таблицы с именем класса пространства

б) внутри этой таблицы, внутри TBODY, возвратитесь каждая ТР «первое значение ТД» и «значение DIV внутри второго TD»

Так что я получаю; 1 и Марса, 2 и Земли.

Answer 1

Используйте, например, DOM extension. Класс DOMXPath особенно полезен для таких задач.

можно легко установить перечисленные условия с выражением XPath, например так:

//table[@class="space"]//tr[count(td) = 2]/td 

, где - //table[@class="space"] выбирает все элементы table из документа, имеющего class значения атрибута, равного "space" строки; - //tr[count(td) = 2] выбирает все tr элементы, имеющие ровно два td дочерние элементы; - /td представляет элементы td. Реализация

Пример:

$html = <<<'HTML' 
<table class="space"> 
    <thead></thead> 
    <tbody> 
     <tr> 
     <td class="marsia">1</td> 
     <td class="mars"> 
      <div>Mars</div> 
     </td> 
     </tr> 
     <tr> 
     <td class="earthia">2</td> 
     <td class="earth"> 
      <div>Earth</div> 
     </td> 
     </tr> 
     <tr> 
     <td class="earthia">3</td> 
     </tr> 
    </tbody> 
</table> 
HTML; 

$doc = new DOMDocument; 
$doc->loadHTML($html); 

$xpath = new DOMXPath($doc); 

$cells = $xpath->query('//table[@class="space"]//tr[count(td) = 2]/td'); 

$i = 0; 
foreach ($cells as $td) { 
    if (++$i % 2) { 
    $number = $td->nodeValue; 
    } else { 
    $planet = trim($td->textContent); 
    printf("%d: %s\n", $number, $planet); 
    } 
} 

Выход

1: Mars 
2: Earth 

---

Код выше должен рассматриваться как образец, а не инструкции для практического использования, как это не очень масштабируема. Логика связана с тем, что выражение XPath выбирает ровно две ячейки для каждой строки. На практике вы можете выбрать строки, перебирать их, и поставить дополнительные условия в петлю, например:

$rows = $xpath->query('//table[@class="space"]//tr'); 

foreach ($rows as $tr) { 
    $cells = $xpath->query('.//td', $tr); 

    if ($cells->length < 2) { 
    continue; 
    } 

    $number = $cells[0]->nodeValue; 
    $planet = trim($cells[1]->textContent); 
    printf("%d: %s\n", $number, $planet); 
} 

DOMXPath::query() вызывается с выражением XPath относительно текущей строки ($tr), затем проверяет если возвращенный DOMNodeList содержит как минимум две ячейки. Остальная часть кода тривиальна.

---

Вы также можете использовать SimpleXML расширение, которое также поддерживает XPath. Но расширение намного менее гибкое по сравнению с расширением DOM.

Для огромных документов используйте расширения на основе синтаксических анализаторов на основе SAX, таких как XMLReader.