在PHP中解析XML内部的HTML标签
我试图在解析PHP中的http://uk.news.yahoo.com/rss
时使用simplexml_load_string
创建我自己的RSS源(学习目的)。我在阅读<description>
标签内的HTML标签时遇到困难。在PHP中解析XML内部的HTML标签
到目前为止我的代码看起来是这样的:
$feed = file_get_contents('http://uk.news.yahoo.com/rss');
$rss = simplexml_load_string($feed);
//for each element in the feed
foreach ($rss->channel->item as $item) {
echo '<h3>'. $item->title . '</h3>';
foreach($item->description as $desc){
//how to read the href from the a tag???
//this does not work at all
$tags = $item->xpath('//a');
foreach ($tags as $tag) {
echo $tag['href'];
}
}
}
任何想法如何提取每个HTML标签?
感谢
描述的内容有其特殊的字符编码,所以它不是在XML中视为节点,而这只是一个字符串。您可以解码特殊字符,然后将HTML加载到DOMDocument中并执行任何您想要的操作。例如:
foreach ($rss->channel->item as $item) {
echo '<h3>'. $item->title . '</h3>';
foreach($item->description as $desc){
$dom = new DOMDocument();
$dom->loadHTML(htmlspecialchars_decode((string)$desc));
$anchors = $dom->getElementsByTagName('a');
echo $anchors->item(0)->getAttribute('href');
}
}
XPath也可用于DOMDocument,请参阅DOMXPath。
在这里做的最好的事情是使用的var_dump()函数在$项目。
feed = file_get_contents('http://uk.news.yahoo.com/rss');
$rss = simplexml_load_string($feed);
foreach ($rss->channel->item as $item) {
var_dump($item);
exit;
}
一旦你这样做,你会看到你后面的值被称为“链接”。因此打印出来,你会使用下面的代码的网址:
echo $item->link;
RSS提要的<description>
元素包含HTML。正如How to parse CDATA HTML-content of XML using SimpleXML?中所述,您需要获取该元素的节点值(HTML)并在附加解析器中对其进行解析。
accepted answer to the linked question已经显示了这一点非常详细,对于SimpleXML,它在这里不起什么作用,无论这个RSS提要是使用CDATA还是只使用像你的情况的实体。
$feed = file_get_contents('http://uk.news.yahoo.com/rss');
$rss = simplexml_load_string($feed);
$dom = new DOMDocument(); // the HTML parser used for descriptions' HTML
foreach ($rss->channel->item as $item)
{
echo '<h3>' . $item->title . '</h3>', "\n";
foreach ($item->description as $desc)
{
$dom->loadHTML($desc);
$html = simplexml_import_dom($dom)->body;
echo $html->p->a['href'], "\n";
}
}
输出例:
...
<h3>Chantal nears hurricane strength in Caribbean</h3>
http://uk.news.yahoo.com/chantal-nears-hurricane-strength-caribbean-220149771.html
<h3>Placido Domingo In Hospital With Blood Clot</h3>
http://uk.news.yahoo.com/placido-domingo-hospital-blood-clot-215427742.html
<h3>Berlusconi's final tax fraud appeal hearing set for July 30</h3>
http://uk.news.yahoo.com/berlusconis-final-tax-fraud-appeal-hearing-set-july-214714122.html
<h3>China: Men Rescued From River Amid Floods</h3>
http://uk.news.yahoo.com/china-men-rescued-river-amid-floods-213005159.html
<h3>Snowden has not yet accepted asylum in Venezuela - WikiLeaks</h3>
http://uk.news.yahoo.com/snowden-not-yet-accepted-asylum-venezuela-wikileaks-190332291.html
<h3>Three US kidnap victims break silence</h3>
http://uk.news.yahoo.com/three-us-kidnap-victims-release-thankyou-video-093832611.html
...
希望这有助于。与接受的答案相反,我认为没有理由申请htmlspecialchars_decode
,实际上我很确定这会破坏事情。另外我的例子展示了如何通过展示如何在解析HTML之后将DOMNode转换回SimpleXMLElement来保持访问更多子元素的SimpleXML方式。
嗨。谢谢你。我喜欢你的答案,因为它让我回到XML节点。感谢您花时间写下它。这两个答案帮助我了解如何访问这些标记(值信息)。再次感谢 – Adrian
谢谢。我发现我很接近但不够近。这正是我所期待的。谢谢 – Adrian
没问题,开心编码:) – MrCode