Fatal编程技术网
  • php/
  • Php 使用XPATH节点从产品中获取数据并将其插入表中

Php 使用XPATH节点从产品中获取数据并将其插入表中

php html xpath

Php 使用XPATH节点从产品中获取数据并将其插入表中,php,html,xpath,Php,Html,Xpath,我正在尝试从外部网站获取产品数据，并将它们插入到特殊的表中-每个找到的节点元素都需要导入到产品表中产品的相应列中 在查找1个产品属性并将其插入表中时效果良好： $product_names = $xpath->query("//div[contains(concat(' ', normalize-space(@class), ' '), ' product_description ')]/div/h3/a"); if (!is_null($product_names)) {

我正在尝试从外部网站获取产品数据，并将它们插入到特殊的表中-每个找到的节点元素都需要导入到产品表中产品的相应列中

在查找1个产品属性并将其插入表中时效果良好：

$product_names = $xpath->query("//div[contains(concat(' ', normalize-space(@class), ' '), ' product_description ')]/div/h3/a");
        if (!is_null($product_names)) {
            foreach ($product_names as $product_name) {
                $nodes = $product_name->childNodes;
                foreach ($nodes as $node) {
                    $import_product = 'INSERT INTO product_table (id, product_name) values ("","' . preg_replace('~\\s+\\S+$~', "", strip_tags(trim($node->nodeValue))) . '")';
                    mysql_query($import_supralift_name);
                }
            }
        }

<pre><?php

$domDoc = <<<EOF
<div class="single_product">
    <div data-section="featured_image">
        <a title="Unique_String" href="#">
            <div style="" data-section="image" class="image_in_fixed_ratio_wrapper">
                <div class="inner visible">
                    <img alt="Unique_String" src="image1.jpg" class="" style="" />
                </div>
            </div>
        </a>
    </div>
    <div data-section="data">
        <div class="product_description">
            <div data-field="description_detail">
                <h3><a title="Unique_String" href="#">Product Name<div class="donotwantthistoinclude">New</div></a></h3>
                <a title="Unique_String" href="#"><p>Product Type / Product Power Unit</p></a>
                <div data-field="price">
                    <a title="Unique_String" href="#">5,000</a>
                </div>
                <div data-field="description">
                    <a title="Unique_String" href="#">
                        <span>Height (mm)</span> 2344
                 |
                                <span>Other attribute 1</span> Duplex
                 |
                                <span>Other attribute 2 (kg)</span>  1400
                 |
                                <span>Other attribute 3</span> 2014

                                 | <span>Other attribute X (h)</span> 772
                        <br /><span>Location</span> D - 85716
                    </a>
                </div>
            </div>
        </div>
    </div>
</div>
EOF;
$dom = new DomDocument();
$dom->loadXML($domDoc);
$xpath = new DomXPath($dom);

$products = [];

$productUniqueQuery = "//div[@data-field='description_detail']/h3/a/@title";

$productUniqueNodes = $xpath->query($productUniqueQuery);
if (!is_null($productUniqueNodes)) {
    foreach ($productUniqueNodes as $productUniqueNode) {
        $product = [];
        $product["unique"] = $productUniqueNode->nodeValue;

        $productNameQuery = sprintf("//h3/a[@title='%s']/text()",$product["unique"]);
        $productNameNodes = $xpath->query($productNameQuery);
        $product["name"] = $productNameNodes[0]->nodeValue;

        $productImageQuery = sprintf("//img[@alt='%s']/@src",$product["unique"]);
        $productImageNodes = $xpath->query($productImageQuery);
        $product["imageURL"] = $productImageNodes[0]->nodeValue;

        $productTypeQuery = sprintf("//a[@title='%s']/p/text()",$product["unique"]);
        $productTypeNodes = $xpath->query($productTypeQuery);
        list($product["type"], $product["powerUnit"]) = explode(" / ", $productTypeNodes[0]->nodeValue);

        $productDescriptionQuery = sprintf("//div[@data-field='description']/a[@title='%s']/child::node()",$product["unique"]);
        $productDescriptionNodes = $xpath->query($productDescriptionQuery);
        $description = "";
        foreach ($productDescriptionNodes as $productDescriptionNode) {
            $nodeText = preg_replace("/\s*\|/","",trim($productDescriptionNode->nodeValue));
            if($nodeText == "" || $productDescriptionNode->nodeType === 3){
                continue;
            }

            $product[$nodeText] = preg_replace("/\s*\|/","",trim($productDescriptionNode->nextSibling->nodeValue));
        }
        $products[$product["unique"]] = $product;
    }
}


try {
    $db = new PDO("mysql:host=HOST;dbname=DBNAME;port=3306","USERNAME", "PASSWORD");
}
catch(PDOException $e){
    echo "Connection failed: " . $e->getMessage();
    exit();
}

$sql = 'INSERT INTO product_table (unique, name, type, power_unit, attr1) values (:unique, :name, :type, :power_unit, :attr1)';
$stmt = $db->prepare($sql);

foreach($products as $product){
    $params = [
        ":unique"=>$product["unique"],
        ":name"=>$product["name"],
        ":type"=>$product["type"],
        ":power_unit"=>$product["powerUnit"],
        ":attr1"=>$product["Other attribute 1"]
    ];
    var_dump($product);
    $stmt->execute($params);
}

?>
</pre>
但是产品有很多属性，所以，我尝试获取这个产品属性，它位于1个html元素中，所以我需要将它拆分为一个数组，用于不同的属性：

$types = $xpath->query("//div[contains(concat(' ', normalize-space(@class), ' '), ' product_description ')]/div/a/p");
        if (!is_null($types)) {
            foreach ($types as $type) {
                $nodes = $type->childNodes;
                foreach ($nodes as $node) {
                    list($typee,$power_unit) = explode(' / ', $node->nodeValue);
                    $import_type = 'INSERT INTO product_table (id, type, power_unit) values ("", "' . strip_tags(trim($typee)) . '", "' . strip_tags(trim($power_unit)) . '")';
                    mysql_query($import_type);
                }
            }
        }
简言之，我需要获得3个产品属性，当然，它们更多，我只想找出最好的解决方案，让它从外部网站工作，并将其插入我的数据库，如：

product_name_1 product_type_1 $power_unit_1
...
product_name_X product_type_X $power_unit_X
到目前为止，我试图将第二个xpath部分放在第一个foreach中，但它并没有按需要工作。。。 我是否应该尝试使用xpath节点创建数组，如$prodcuts=arrayfirstXpathNode、secondXpathNode等。。以这种方式工作，还是有更好更正确的解决方案

提前-TXN获取任何提示

编辑： 下面是我试图获取数据的示例HTML，这是针对产品的，每个产品都有用于显示数据的HTML：

<div class="single_product">
    <div data-section="featured_image">
        <a title="Unique_String" href="#">
            <div style="" data-section="image" class="image_in_fixed_ratio_wrapper">
                <div class="inner visible">
                    <img alt="Unique_String" src="image1.jpg" class="" style="">
                </div>
            </div>
        </a>
    </div>
    <div data-section="data">
        <div class="product_description">
            <div data-field="description_detail">
                <h3><a title="Unique_String" href="#">Product Name<div class="donotwantthistoinclude">New</div></a></h3>
                <a title="Unique_String" href="#"><p>Product Type / Product Power Unit</p></a>
                <div data-field="price">
                    <a title="Unique_String" href="#">5,000</a>
                </div>
                <div data-field="description">
                    <a title="Unique_String" href="#">
                        <span>Height (mm)</span> 2344
                 |
                                <span>Other attribute 1</span> Duplex
                 |
                                <span>Other attribute 2 (kg)</span>  1400
                 |
                                <span>Other attribute 3</span> 2014

                                 | <span>Other attribute X (h)</span> 772
                        <br><span>Location</span> D - 85716
                    </a>
                </div>
            </div>
        </div>
    </div>
</div>
如果将第一个foreach中的产品名称分离为一个变量，则可以基于产品名称构建相对XPATH。我假设产品名称在页面上是唯一的。然后，第二个XPATH在页面上找到产品名称，并沿着元素向下走一点。现在，肯定会有更好的XPATH查询来实现这一点，我自己还没有达到这个技能水平，但我确实给了您一种方法

因此，流程将类似于：

对于每个产品，获取名称，在新查询中插入名称以获取特定产品的类型和电源单元，解析变量，插入数据库

警告 您正在使用危险且过时的SQL。请使用较新的mysqli_*或PDO库使用准备好的语句访问数据库。我没有更新你的代码来反映这一点，谷歌很容易做到

不过，我确实在您现有的SQL中插入了product_名称，以说明如何收集所有3个字段

$product_names = $xpath->query("//div[contains(concat(' ', normalize-space(@class), ' '), ' product_description ')]/div/h3/a");
if (!is_null($product_names)) {
    foreach ($product_names as $product_name) {
        $nodes = $product_name->childNodes;
        foreach ($nodes as $node) {
            $productName = preg_replace('~\\s+\\S+$~', "", strip_tags(trim($node->nodeValue)));
            $xpath_relative = sprintf("//div[contains(concat(' ', normalize-space(@class), ' '), ' product_description ')]/div/h3/a[contains(text(),'%s')]/../../a/p",$productName);

            $types = $xpath->query($xpath_relative);
            if (!is_null($types)) {
                foreach ($types as $type) {
                    $types_nodes = $type->childNodes;
                    foreach ($types_nodes as $type_node) {
                        list($typee,$power_unit) = explode(' \'', $type_node->nodeValue);

                        // WARNING!!! SQL INJECTION BELOW!!!
                        $import_type = 'INSERT INTO product_table (id, type, power_unit, product_name) values ("", "' . strip_tags(trim($typee)) . '", "' . strip_tags(trim($power_unit)) . '", "' . $product_name . '")';
                        mysql_query($import_type);
                    }
                }
            }
        }
    }
}
编辑2 我已经获取了您的代码并在PHP中运行，结果如下。我还根据提供的结构优化了XPATH查询，并提供了使用PDO的建议。只需根据需要填写更多属性。我将留给您完整的代码，包括我使用的DOM和XPATH初始化，以便您自己处理

如果将第一个foreach中的产品名称分离为一个变量，则可以基于产品名称构建相对XPATH。我假设产品名称在页面上是唯一的。然后，第二个XPATH在页面上找到产品名称，并沿着元素向下走一点。现在，肯定会有更好的XPATH查询来实现这一点，我自己还没有达到这个技能水平，但我确实给了您一种方法

因此，流程将类似于：

对于每个产品，获取名称，在新查询中插入名称以获取特定产品的类型和电源单元，解析变量，插入数据库

警告 您正在使用危险且过时的SQL。请使用较新的mysqli_*或PDO库使用准备好的语句访问数据库。我没有更新你的代码来反映这一点，谷歌很容易做到

不过，我确实在您现有的SQL中插入了product_名称，以说明如何收集所有3个字段

$product_names = $xpath->query("//div[contains(concat(' ', normalize-space(@class), ' '), ' product_description ')]/div/h3/a");
if (!is_null($product_names)) {
    foreach ($product_names as $product_name) {
        $nodes = $product_name->childNodes;
        foreach ($nodes as $node) {
            $productName = preg_replace('~\\s+\\S+$~', "", strip_tags(trim($node->nodeValue)));
            $xpath_relative = sprintf("//div[contains(concat(' ', normalize-space(@class), ' '), ' product_description ')]/div/h3/a[contains(text(),'%s')]/../../a/p",$productName);

            $types = $xpath->query($xpath_relative);
            if (!is_null($types)) {
                foreach ($types as $type) {
                    $types_nodes = $type->childNodes;
                    foreach ($types_nodes as $type_node) {
                        list($typee,$power_unit) = explode(' \'', $type_node->nodeValue);

                        // WARNING!!! SQL INJECTION BELOW!!!
                        $import_type = 'INSERT INTO product_table (id, type, power_unit, product_name) values ("", "' . strip_tags(trim($typee)) . '", "' . strip_tags(trim($power_unit)) . '", "' . $product_name . '")';
                        mysql_query($import_type);
                    }
                }
            }
        }
    }
}
编辑2 我已经获取了您的代码并在PHP中运行，结果如下。我还根据提供的结构优化了XPATH查询，并提供了使用PDO的建议。只需根据需要填写更多属性。我将留给您完整的代码，包括我使用的DOM和XPATH初始化，以便您自己处理

可以做的一件事是，在使用XPath时，可以使用一个节点作为进一步搜索的上下文，因此一旦有了产品节点列表，就可以将其用作提取其他数据的点

举个例子

请注意evaluate方法的第二个参数，即第一个查询中的节点

我还使用了evaluate，它允许我直接将节点作为字符串返回，而无需进一步转换。它允许我将字符串用作查询的一部分

没有后期处理，因此您可能需要整理一些数据，也没有数据库访问权限。您应该按照使用预处理语句的示例进行操作，但这说明了首先提取数据的重要部分。

可以做的一件事是，在使用XPath时，您可以使用一个节点作为进一步搜索的上下文，因此，一旦有了产品节点列表，就可以将其用作提取其他数据的点

举个例子

请注意evalua的第二个参数 te方法，它是第一个查询中的节点

我还使用了evaluate，它允许我直接将节点作为字符串返回，而无需进一步转换。它允许我将字符串用作查询的一部分

没有后期处理，因此您可能需要整理一些数据，也没有数据库访问权限。您应该遵循使用预处理语句的示例，但这首先说明了提取数据的重要部分。

如果您发布一些示例数据，可能会有所帮助。是的，我用包含产品信息的示例html编辑了我的线程！我下面的回答有什么不清楚的吗？不幸的是似乎不起作用。。。问题是产品名称不是唯一的，但发现有一个元素的标题是唯一的，其中包含括号中包含的唯一id。我编辑的源html要清楚！我想从这个html中得到的是：图像url的父元素a具有唯一的标题，产品名称的父元素a具有唯一的标题，产品类型/产品电源单元的父元素a具有唯一标题，且div数据字段中的所有属性=说明的父元素a具有唯一标题，每个属性位于单独的列中！我让它为这两个参数工作，我需要指导，但不知怎的，它插入了两次1产品。。。对于div data field=description元素和图像url中需要的其他属性，我需要使用foreach附加xpath？如果发布一些示例数据，可能会有所帮助。是的，我使用包含产品信息的示例html编辑了我的线程！我下面的回答有什么不清楚的吗？不幸的是似乎不起作用。。。问题是产品名称不是唯一的，但发现有一个元素的标题是唯一的，其中包含括号中包含的唯一id。我编辑的源html要清楚！我想从这个html中得到的是：图像url的父元素a具有唯一的标题，产品名称的父元素a具有唯一的标题，产品类型/产品电源单元的父元素a具有唯一标题，且div数据字段中的所有属性=说明的父元素a具有唯一标题，每个属性位于单独的列中！我让它为这两个参数工作，我需要指导，但不知怎的，它插入了两次1产品。。。对于div data field=description元素和图像url中需要的其他属性，我需要使用foreach附加xpath？啊，忘了计算。。。在我上面的回答中，这会让我的生活简单得多。。。Lol虽然此代码比提供Canis的代码短，但它不会循环遍历所有“单产品”元素，只返回第一个产品的信息……抱歉，我没有测试过。我已经更新了代码。我不应该使用//来开始检索XPath中的子数据，而应该使用后代：：来确保它只在子XML实体中查找。它在查看两个记录，但总是找到第一个记录数据。啊，忘了评估。。。在我上面的回答中，这会让我的生活简单得多。。。Lol虽然此代码比提供Canis的代码短，但它不会循环遍历所有“单产品”元素，只返回第一个产品的信息……抱歉，我没有测试过。我已经更新了代码。我不应该使用//来开始检索XPath中的子数据，而应该使用后代：：来确保它只在子XML实体中查找。它在查看两条记录，但总是找到第一条记录的数据。@Mole_LR太棒了！很高兴我能帮忙！我从html源代码中错误地理解了一件事——事实上，某些产品的图像alt可能不是“唯一”字符串，但某些产品的图像alt可能不同！因此，我们如何解决获取图像src的问题，因为$productImageQuery=sprintf//img[@alt='%s']/@src，$product[sku]；在现实中不起作用。我们可以使用父元素标题…好的，解决了：$productImageQuery=sprintf//a[@title='%s']/div/div/img/@src，$product[sku]@Mole_LR啊，你能赶上真是太好了，这是一个很好的调整。@Mole_LR请记住接受并投票给正确的答案，投票给有用的答案和评论。@Mole_LR太好了！很高兴我能帮忙！我从html源代码中错误地理解了一件事——事实上，某些产品的图像alt可能不是“唯一”字符串，但某些产品的图像alt可能不同！因此，我们如何解决获取图像src的问题，因为$productImageQuery=sprintf//img[@alt='%s']/@src，$product[sku]；在现实中不起作用。我们可以使用父元素标题…好的，解决了：$productImageQuery=sprintf//a[@title='%s']/div/div/img/@src，$product[sku]@Mole_LR啊，你能赶上真是太好了，这是一个很好的调整。@Mole_LR请记住接受并向上投票正确的答案，向上投票有用的答案和评论。