主页 / 问题 / 653055
Accepted
Капитан Флинт
Asked:2020-04-13 05:52:15 +0000 UTC2020-04-13 05:52:15 +0000 UTC

简单的 HTML DOM 解析器同时查找具有两个类的元素

  • 772

我解析了 Lenta.ru 档案。您只需要选择当天的新闻，没有类别，也就是说，您需要同时具有项目和新闻类的所有div，在所有这些div中，您需要选择 a 元素，相对而言，显示/得到href。

有效但无法正常工作的版本如下所示：

$news = $html->find( 'div[class=news] a' );
foreach( $news as $element ):
    echo $element->href . "\n";
endforeach;

错误，因为选择仅适用于带有news类的div，但您需要选择带有item和news类的div。

试过这样的：

$news = $html->find( 'div[class=item news] a' );

...所以：

$news = $html->find( 'div.item.news a' );

...所以：

$news = $html->find( 'div[class="item news"] a' );

不起作用。我分别在这里和这里找到了这些选项。使用 Simple HTML DOM Parser 是基础吗？不，这不是必需的。但是我已经熟悉它并且有使用它的经验，所以选择就落在了它身上。

还有一个想法：先找所有class = item的div，再找其中所有class = news的div ，然后在每个div中找a，没成功。据我了解，方法链是一个la

$news = $html->find( 'div[class=item]' )->find( 'div[class=news] a' );

不会工作（对我不起作用）。怎样成为？

PS我会补充。现在我在这里再次查看，是的，解决方案正在运行，一切正常。如果您完全注册所有课程：

$news = $html->find( 'div[class=item news b-tabloid__topic_news] a' );

但事实是，最后一个类b-tabloid__topic_news并不存在于任何地方，也就是说，它的存在不是必需的。是的，可以用数组编写算法代码，我们首先寻找这样的，然后是其他的，粘合，排序等，但恕我直言，这是错误的。一般来说，问题可以重新表述如下：如何在类中找到所有具有正确元素的元素？

php

1 个回答

  1. Best Answer

    一般来说，很明显这个库无法正确处理选择器，其中两个或多个类被列在一行中。但是，您通常使用报名表寻找正确的方向div[class=...]。

    考虑原始测试用例：

    $txt =  <<<HTML
<div>
    <div class="news"><a  href="qwe">qwe123</a></div>
    <div class="items"><a href="asd">asd123<a/></div>
    <div class="news items qwe">
        <a href="zxc">zxc123</a>
    </div>
</div>
HTML;

$html = str_get_html($txt);

    让我们的任务是查找div.news.items并显示链接文本的值zxc123。如您所写，表格的调用

    $html->find('.news.items a);

    返回一个空集。但是，一般来说这等同于写作div[class="news items"]. 如您所知，除了属性 的直接相等性之外=，其他形式的表示法也是可能的，例如，*=。

    如果您查看Simple HTML DOM，您会发现下面的选择器测试函数（代码未完全显示）：

    protected function match($exp, $pattern, $value) { 
    switch ($exp) {    
        case '=':    
            return ($value===$pattern);    
......
        case '*=':    
            if ($pattern[0]=='/') {    
                return preg_match($pattern, $value);    
            }    
            return preg_match("/".$pattern."/i", $value);    
    }    
    return false;    
}

    这表明在指定直接相等时，使用了通常的字符串比较（它们以前被简化为相同的大小写）。但是在指定 occurrence 时*=，会使用正则表达式。因此，使用这样的选择器将解决您正在寻找的问题。而且，我们可以直接在选择器中指定正则表达式。因此代码

    $html->find("div[class*=news items] a");

    对于给定的源示例，成功找到参考实例<a href="zxc">zxc123</a>。

    如上所述，使用正则表达式是可以接受的，所以如果源文本会有一组更复杂的类zxc news asd items qwe，但适合我们：

        <div class="zxc news asd items qwe">
        <a href="zxc">zxc123</a>
    </div>

    然后编写以下选择器将解决这种情况：

    $html->find("div[class*=news.+items] a");

    或者如果类的顺序items和news可以改变，那么下面的表达式是可能的：

    $html->find("div[class*=news.+items|items.+news] a");

    PS：这种行为似乎没有记录，但它似乎不是 hack-bug，因为条件明确写在代码中，检查正则表达式的第一个字符。

    • 5

相关问题