代码之家 › 专栏 › 技术社区 › Ricardo

xpath remove并将多行文本推送到一个数组中

xpath php

0

Ricardo · 技术社区 · 7 年前

我已经潜伏了好几个小时的StackOverflow寻找可能的答案,尽管我找到了一些解决方案,但在我的案例中没有一个是有效的。

我需要获取该分区的文本并通过 foreach 循环以最终为每个DIV内容创建一个新的数据库记录。

在我面对多行内容和 <br> 标签。

我尝试过:

$quotes = $finder->query("//*[contains(@class, normalize-space('$quote'))]//text()");

但看起来不像 normalize-space() 有任何效果,因为它不会将整个文本推送到一个数组中,而是在 <BR> 相反。

更多代码:

$quotes = $finder->query("//*[contains(@class, normalize-space('$quote'))]//text()");
$authors = $finder->query("//*[starts-with(@class,'$author')]/child::a");

    foreach ($quotes as $key => $quote) {
        {
            $quote = trim($quote->textContent);
            $dataArr[] = $quote;
            $authorName = preg_split("/[\s,-,@]+/", $authors[$key]->textContent);

            if (count($authorName) < 5) {
                $authorName = $authorName[1];
            } else if (count($authorName) > 5) {
                $authorName = $authorName[1] . ' ' . $authorName[2] . ' ' . $authorName[3];
            } else if (count($authorName) > 6) {
                $authorName = $authorName[1] . ' ' . $authorName[2] . ' ' . $authorName[3] . ' ' . $authorName[4];
            } else {
                $authorName = $authorName[1] . ' ' . $authorName[2];
            }
            array_push($dataArr, $authorName);
    }

正确提取的HTML结构:

<div class="b-list-quote2__item "><a href="/" class="b-list-quote2__item-text js-quote-text">
    A random quote here...
</a><div class="b-list-quote2__item-category">
    <a href="/quotes/albert-einshtein?q=17856">Albert Einstein</a>

在本例中,我得到一个带有引号和作者的数组,稍后我将其分为2块,并在其他函数中使用

[0] => A random quote here... [1] => Albert Einstein

我遇到的HTML结构问题是:

<div class="b-list-quote2__item "><a href="/" class="b-list-quote2__item-text js-quote-text" style="position: relative; max-height: none;">
    Quote line 0,
    <br>Quote line 1,
    <br>Quote line 2,
    <br>Quote line 3,
</a><div class="b-list-quote2__item-category">
    <a href="/quotes/karmelita-kruglaia?q=249176">Tesla</a>

在这种情况下,每行文本都会添加一个新的数组项,类似于

[0] => Quote line 0 [1] => Quote line 1 [2] => Quote line 2 [3] => Quote line 3

数组中没有“author”,在本例中应为“tesla”。

一个好的数组应该是什么样子的:

[0] => Quote line 0 Quote line 1 Quote line 2 Quote line 3 [1] => Tesla

1 回复 | 直到 7 年前

1

Nigel Ren 7 年前

当运行xpath查询时,最后一部分要求分别提取每个文本节点(即 //text() 位在表达式的末尾)。相反,您只需要整个元素的文本。对于dom,每段文本都是一个单独的节点,因此

Quote line 0,
<br>Quote line 1,

是两个单独的文本节点。您的查询正在将此(如您所发现的)检索为2个元素。

所以使用

$quotes = $finder->query("//*[contains(@class, normalize-space('$quote'))]");

应该给你所有的文本。文本中会有换行符,所以您可以…

$dataArr[] = str_replace("\n", " ", $quote);