尝试使用php和DOM刮取链接
如果我有下面的X(HTML)结构,那么如何在div树的深处捕获imgur链接 我尝试了几种不同的方法。我真正想要的是为包含“siteTable”的div创建一个节点树,因为该div中有许多div包含更多imgur链接。如果您没有注意到,这是reddit的html 谢谢尝试使用php和DOM刮取链接,php,dom,xpath,screen-scraping,Php,Dom,Xpath,Screen Scraping,如果我有下面的X(HTML)结构,那么如何在div树的深处捕获imgur链接 我尝试了几种不同的方法。我真正想要的是为包含“siteTable”的div创建一个节点树,因为该div中有许多div包含更多imgur链接。如果您没有注意到,这是reddit的html 谢谢 <html lang="en" xml:lang="en" xmlns="http://www.w3.org/1999/xhtml"> <head> <body class="listing-page
<html lang="en" xml:lang="en" xmlns="http://www.w3.org/1999/xhtml">
<head>
<body class="listing-page hot-page">
<div id="header" role="banner">
<div class="side">
<a name="content"></a>
<div class="content" role="main">
<div class="infobar welcome">
<div id="siteTable" class="sitetable linklisting">
<div class=" thing id-t3_1gh823 over18 odd link " data-downs="5" data-ups="90" data-fullname="t3_1gh823" onclick="click_thing(this)">
<p class="parent"></p>
<span class="rank" style="width:2.20ex;">1</span>
<div class="midcol unvoted" style="width:5ex;">
<a class="thumbnail " href="http://i.imgur.com/FZ1I9wi.jpg">
我总是试图使XPath尽可能基本,但尽可能具体。这使得页面更改时更容易更改和调试。如果不查看整个页面或多个reddit页面,很难说。但是我假设类
thumbnail
仅用于您想要的缩略图链接。在这种情况下,我们可以进行一个非常简单(但具体)的XPath查询:
$link_nodes = $xpath->query('//a[@class="thumbnail"]');
if($link_nodes->length > 0) {
// you can do a foreach loop here if there may be multiple links?
$link_node = $link_nodes->item(0);
$href = $link_node->attributes->getNamedItem('href')->value;
}
$link_nodes = $xpath->query('//a[@class="thumbnail"][contains(@href, "imgur.com")]');
此外,您可能希望通过增强XPath查询来确保获得imgur链接:
$link_nodes = $xpath->query('//a[@class="thumbnail"]');
if($link_nodes->length > 0) {
// you can do a foreach loop here if there may be multiple links?
$link_node = $link_nodes->item(0);
$href = $link_node->attributes->getNamedItem('href')->value;
}
$link_nodes = $xpath->query('//a[@class="thumbnail"][contains(@href, "imgur.com")]');
我总是试图使XPath尽可能基本,但尽可能具体。这使得页面更改时更容易更改和调试。如果不查看整个页面或多个reddit页面,很难说。但是我假设类
thumbnail
仅用于您想要的缩略图链接。在这种情况下,我们可以进行一个非常简单(但具体)的XPath查询:
$link_nodes = $xpath->query('//a[@class="thumbnail"]');
if($link_nodes->length > 0) {
// you can do a foreach loop here if there may be multiple links?
$link_node = $link_nodes->item(0);
$href = $link_node->attributes->getNamedItem('href')->value;
}
$link_nodes = $xpath->query('//a[@class="thumbnail"][contains(@href, "imgur.com")]');
此外,您可能希望通过增强XPath查询来确保获得imgur链接:
$link_nodes = $xpath->query('//a[@class="thumbnail"]');
if($link_nodes->length > 0) {
// you can do a foreach loop here if there may be multiple links?
$link_node = $link_nodes->item(0);
$href = $link_node->attributes->getNamedItem('href')->value;
}
$link_nodes = $xpath->query('//a[@class="thumbnail"][contains(@href, "imgur.com")]');
您可以借助解析器。下载并将其包含在脚本中。然后使用下面的代码解析url
如何包含脚本:
if (!function_exists('file_get_html')) {
require_once( 'public/frontend/simple_html_dom.php');
}
$scrape_url = 'http://www.example.com/a.php';
$html = file_get_html($scrape_url);
echo $html->find('div[siteTable]');
如何解析:
if (!function_exists('file_get_html')) {
require_once( 'public/frontend/simple_html_dom.php');
}
$scrape_url = 'http://www.example.com/a.php';
$html = file_get_html($scrape_url);
echo $html->find('div[siteTable]');
您还将在该网站上获得完整的教程。您可以借助解析器。下载并将其包含在脚本中。然后使用下面的代码解析url
如何包含脚本:
if (!function_exists('file_get_html')) {
require_once( 'public/frontend/simple_html_dom.php');
}
$scrape_url = 'http://www.example.com/a.php';
$html = file_get_html($scrape_url);
echo $html->find('div[siteTable]');
如何解析:
if (!function_exists('file_get_html')) {
require_once( 'public/frontend/simple_html_dom.php');
}
$scrape_url = 'http://www.example.com/a.php';
$html = file_get_html($scrape_url);
echo $html->find('div[siteTable]');
您还将在该网站上获得完整的教程。对不起,我做了一次编辑。那是一个打字错误。从技术上讲,您可以在XPath查询中使用
//img
,因为
是一个HTML元素。但是,您应该使用//a
,因为我们正在查找链接。这不会返回任何内容,我很困惑,因为您没有使用任何子查询,您似乎正在创建一个直接指向我想要的行的查询,我不知道这是可能的。这很好,但如果没有class属性中的额外空间,它将失败。另外,请尝试:$link\u node->getAttribute('href')
这只是没有返回任何内容,我已经包含了额外的空间$链接u节点正在返回empty@thetao,XPath非常灵活,允许您直接访问节点,而无需遍历整个DOM结构。为了将来的参考,你会发现一些有用的例子和一个简单的表单来测试你的XPath表达式。从技术上讲,您可以在XPath查询中使用//img
,因为
是一个HTML元素。但是,您应该使用//a
,因为我们正在查找链接。这不会返回任何内容,我很困惑,因为您没有使用任何子查询,您似乎正在创建一个直接指向我想要的行的查询,我不知道这是可能的。这很好,但如果没有class属性中的额外空间,它将失败。另外,请尝试:$link\u node->getAttribute('href')
这只是没有返回任何内容,我已经包含了额外的空间$链接u节点正在返回empty@thetao,XPath非常灵活,允许您直接访问节点,而无需遍历整个DOM结构。为了将来的参考,你会发现一些有用的例子和一个简单的表单来测试你的XPath表达式。我宁愿使用DOM,我没有听说simple_html的好东西。domI宁愿使用DOM,我没有听说过简单的html domI的好东西,我看不出现有的Q&A材料如何不能回答这个问题。我看不出现有的Q&A材料如何不能回答这个问题。