Получение элементов DOM по имени класса

Я использую PHP DOM, и я пытаюсь получить элемент внутри DOM node, который имеет заданное имя класса. Какой лучший способ получить этот подэлемент?

Обновление: Я закончил использование Mechanize для PHP, с которым было гораздо легче работать.

Ответ 1

Обновление: версия Xpath *[@class~='my-class'] селектор css

Итак, после моего комментария ниже в ответ на комментарий hakre мне стало любопытно и заглянул в код за Zend_Dom_Query. Похоже, что вышеупомянутый селектор скомпилирован в следующий xpath (untested):

[contains(concat(' ', normalize-space(@class), ' '), ' my-class ')]

поэтому php будет:

$dom = new DomDocument();
$dom->load($filePath);
$finder = new DomXPath($dom);
$classname="my-class";
$nodes = $finder->query("//*[contains(concat(' ', normalize-space(@class), ' '), ' $classname ')]");

В основном все, что мы делаем здесь, нормализует атрибут class, так что даже один класс ограничен пробелами, а полный список классов ограничен в пробелах. Затем добавьте класс, который мы ищем, с пробелом. Таким образом, мы эффективно ищем только экземпляры my-class.

Использовать селектор xpath?

$dom = new DomDocument();
$dom->load($filePath);
$finder = new DomXPath($dom);
$classname="my-class";
$nodes = $finder->query("//*[contains(@class, '$classname')]");

Если это только один тип элемента, вы можете заменить * на определенный тэг.

Если вам нужно много сделать с очень сложным селектором, я бы порекомендовал Zend_Dom_Query, который поддерживает синтаксис селектора CSS (a la jQuery)

$finder = new Zend_Dom_Query($html);
$classname = 'my-class';
$nodes = $finder->query("*[class~=\"$classname\"]");

Ответ 2

Если вы хотите получить innerhtml класса без zend, вы можете использовать это:

$dom = new DomDocument();
$dom->load($filePath);
$classname = 'main-article';
$finder = new DomXPath($dom);
$nodes = $finder->query("//*[contains(concat(' ', normalize-space(@class), ' '), ' $classname ')]");
$tmp_dom = new DOMDocument(); 
foreach ($nodes as $node) 
    {
    $tmp_dom->appendChild($tmp_dom->importNode($node,true));
    }
$innerHTML.=trim($tmp_dom->saveHTML()); 
echo $innerHTML;

Ответ 3

Я думаю, что принятый способ лучше, но я думаю, что это тоже может работать

function getElementByClass(&$parentNode, $tagName, $className, $offset = 0) {
    $response = false;

    $childNodeList = $parentNode->getElementsByTagName($tagName);
    $tagCount = 0;
    for ($i = 0; $i < $childNodeList->length; $i++) {
        $temp = $childNodeList->item($i);
        if (stripos($temp->getAttribute('class'), $className) !== false) {
            if ($tagCount == $offset) {
                $response = $temp;
                break;
            }

            $tagCount++;
        }

    }

    return $response;
}

Ответ 4

Существует также другой подход без использования DomXPath или Zend_Dom_Query.

На основе исходной функции dav я написал следующую функцию, которая возвращает все дочерние элементы родительского node, чей тег и класс соответствуют параметрам.

function getElementsByClass(&$parentNode, $tagName, $className) {
    $nodes=array();

    $childNodeList = $parentNode->getElementsByTagName($tagName);
    for ($i = 0; $i < $childNodeList->length; $i++) {
        $temp = $childNodeList->item($i);
        if (stripos($temp->getAttribute('class'), $className) !== false) {
            $nodes[]=$temp;
        }
    }

    return $nodes;
}

предположим, что у вас есть переменная $html следующего HTML:

<html>
 <body>
  <div id="content_node">
    <p class="a">I am in the content node.</p>
    <p class="a">I am in the content node.</p>
    <p class="a">I am in the content node.</p>    
  </div>
  <div id="footer_node">
    <p class="a">I am in the footer node.</p>
  </div>
 </body>
</html>

использование getElementsByClass так же просто, как:

$dom = new DOMDocument('1.0', 'utf-8');
$dom->loadHTML($html);
$content_node=$dom->getElementById("content_node");

$div_a_class_nodes=getElementsByClass($content_node, 'div', 'a');//will contain the three nodes under "content_node".

Ответ 5

DOMDocument работает медленно, а phpQuery имеет проблемы с утечкой памяти. Я закончил использование:

https://github.com/wasinger/htmlpagedom

Чтобы выбрать класс:

include 'includes/simple_html_dom.php';

$doc = str_get_html($html);
$href = $doc->find('.lastPage')[0]->href;

Я надеюсь, что это поможет и кому-то другому.