Php 用DOM方式解析HTML

我们有一个古老的（内部）静态信息网站。我们将用更好的东西替换它，因此我需要获取所有信息。我以前是通过正则表达式来实现这一点的，但最近我偶然发现了一些文章，其中指出使用正则表达式来解析HTML中的信息是非常困难的

所以我决定学习一些新技巧，重新开始，用DOM的方式来做。 我需要的HTML部分如下所示：

<table id="articles">
    <tr>
    <th>
        <a href='articles/aa123.html'><img src="/iamges/aa123.jpg" alt="some article"></a>
        <br />short description
    </th>
    <td>
        <table class='details'>
        <tr><th><a href='articles/aa123.html'>Some Article</a></th></tr>
        <tr><th>Type:</th><td>article type</td></tr>
        <tr><th>Price:</th><td>€ 99</td></tr>
        <tr><th>Manufacturer:</th><td>Some Company</td></tr>
        <tr><th>Warehouse:</th><td>x</td></tr>
        </table>
    </td>
</tr>   
</table>

这就是我被困的地方。我知道返回的TH的所有内容都在ChildNodes中，但我很难获得值。我需要详细信息页面的URL和价格列的值

我怎样才能把这些提取出来

目前，我提出了以下建议：

$query = '//table[@class="details"]//td';
$data= $xpath->evaluate($query);
$c = $ths->length;

for ($i = 0; $i < $c; $i++) {   
    echo htmlentities($data->item($i)->nodeValue);      
}

$tables = $xpath->query('//table[@class="details"]');
foreach($tables as $table) {
    $url = $xpath->evaluate('//th/a/@href', $table);
    $articleName= $xpath->evaluate('//th/a', $table);
    $Manufacturer= $xpath->evaluate('//th[text()="Manufacturer:"]/../td', $table);

    echo 'articleName:' . $articleName . ' <br />';
    echo 'Manufacturer:' . $Manufacturer. ' <br />';
    echo 'url:' . $url. ' <br />';
    echo '<br />';
}

$query='//table[@class=“details”]//td'；
$data=$xpath->evaluate（$query）；
$c=$ths->长度；
对于（$i=0；$i<$c；$i++）{
echo htmlentities（$data->item（$i）->nodeValue）；
}

但这只显示来自TD的文本值。当内容是链接时，它只显示链接标题。不是URL

更新 多亏了Fab的建议，我设法预订了一些进度表。目前我得到了以下信息：

$query = '//table[@class="details"]//td';
$data= $xpath->evaluate($query);
$c = $ths->length;

for ($i = 0; $i < $c; $i++) {   
    echo htmlentities($data->item($i)->nodeValue);      
}

$tables = $xpath->query('//table[@class="details"]');
foreach($tables as $table) {
    $url = $xpath->evaluate('//th/a/@href', $table);
    $articleName= $xpath->evaluate('//th/a', $table);
    $Manufacturer= $xpath->evaluate('//th[text()="Manufacturer:"]/../td', $table);

    echo 'articleName:' . $articleName . ' <br />';
    echo 'Manufacturer:' . $Manufacturer. ' <br />';
    echo 'url:' . $url. ' <br />';
    echo '<br />';
}

$tables=$xpath->query（'//table[@class=“details”]'）；
foreach（$tables作为$table）{
$url=$xpath->evaluate（'//th/a/@href'，$table）；
$articleName=$xpath->evaluate（'//th/a'，$table）；
$Manufacturer=$xpath->evaluate（“//th[text（）=”Manufacturer:”]/../td'，$table）；
回显“articleName:”.$articleName.
；
回显“制造商：”.$Manufacturer.“
”；
回显“url:”.$url.
；
回声“
”；
}

---

但由于某些原因，它总是显示第一次活动的数据（重复的文章数量与页面上的文章数量相同）。好像“foreach”语句总是返回找到的第一个表。任何提示？

URL的XPath将是：

//table[@class="details"]//th/a@href

对于价格栏：

//table[@class="details"]//th[text()="Price:"]/../td

您可能希望分别获取每个表的URL和价格，为此，您可以首先收集一个包含所有“详细信息”表的

DOMNodeList

，然后在其中搜索（使用上下文参数）：

---

谢谢我会尝试一下（我一直专注于在1查询中获取所有信息，我将如何使用regex）我取得了一些进展，但仍然缺少一些东西。。请看我的更新上面。宾果！非常感谢（+phpsandbox站点也是一个很好的提示；o）一个额外的小问题：为什么url值存储在'value'键中，而其他值存储在'nodevalue'键中？区别是什么？URL位于一个属性（

DOMAttr

）中，该属性有一个值，其他的是元素的内部文本（

DOMElement

）。实际上，属性也是节点，它们的节点值等于它们的值，因此您也可以在任何地方使用

nodeValue

。

$xpath->query(...)->item(0)->nodeValue;