XPath выбирает потомка родительского брата или сестры

#php #html #xpath #scrape #siblings

#php #HTML #xpath #очистить #братья и сестры

Вопрос:

Этот html находится на моей странице:

 <tr>
    <td class="padded2" bgcolor="#103A74"><font color="White">Refine by Vehicle Types</font></td>
    </tr><tr>
        <td class="padded2" bgcolor="White"><div>
            <table border="0">
                <tr>
                    <td class="padded2"><font color="#103A74"><ul><li><a class="padded2"> Cars</a></li><li><a class="padded2">Marine Engines</a></li><li><a class="padded2">Trucks</a></li></ul></font></td>
                </tr>
            </table>
        </div></td>
</tr>

Я хочу очистить «Автомобили» и «Грузовики», основываясь на том факте, что они после «Уточнения по типу транспортного средства».
Я пробовал много разных способов, и это настолько близко, насколько я могу получить, но возвращает NULL.

 $Nodes = $xPath->query("//tr/td/font[text()[contains(., 'Refine by Vehicle Type')]]/following-sibling::tr/td/div/table/tr/td/font/ul/li/a")->item(0)->nodeValue;

Чего мне не хватает?

1. Вы создаете этот html самостоятельно? Использует классы в одном месте, а <font> теги в другом — это очень некрасиво.

2. Я очищаю с другого сайта, поэтому я не могу контролировать html, это также динамическая страница, поэтому я не могу просто очистить чисто на основе структуры.

Ответ №1:

Ваша ошибка в этом:

 ...font[...]/following-sibling::tr/...

Легко видеть, что в предоставленном фрагменте XML <font> элемент не имеет родственных элементов.

Вот одно правильное выражение XPath:

   tr[td[contains(., 'Refine by Vehicle Types')]]
      /following-sibling::tr
        /td/div/table
                 /tr/td/font
                         /ul/li/a

При оценке по следующему XML-документу (предоставленный вами фрагмент, завернутый a <table> ):

 <table>
    <tr>
        <td class="padded2" bgcolor="#103A74">
            <font color="White">Refine by Vehicle Types</font>
        </td>
    </tr>
    <tr>
        <td class="padded2" bgcolor="White">
            <div>
                <table border="0">
                    <tr>
                        <td class="padded2">
                            <font color="#103A74">
                                <ul>
                                    <li>
                                        <a class="padded2"> Cars</a>
                                    </li>
                                    <li>
                                        <a class="padded2">Marine Engines</a>
                                    </li>
                                    <li>
                                        <a class="padded2">Trucks</a>
                                    </li>
                                </ul>
                            </font>
                        </td>
                    </tr>
                </table>
            </div>
        </td>
    </tr>
</table>

выбираются следующие элементы:

 <a class="padded2"> Cars</a>
<a class="padded2">Marine Engines</a>
<a class="padded2">Trucks</a>

Проверка на основе XSLT:

 <xsl:stylesheet version="1.0"
 xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
 <xsl:output omit-xml-declaration="yes" indent="yes"/>

 <xsl:template match="/*">
  <xsl:copy-of select=
  "tr[td[contains(., 'Refine by Vehicle Types')]]
      /following-sibling::tr
        /td/div/table
                 /tr/td/font
                         /ul/li/a
  "/>
 </xsl:template>
</xsl:stylesheet>

когда это преобразование применяется к приведенному выше XML-документу, выводятся выбранные элементы:

 <a class="padded2"> Cars</a>
<a class="padded2">Marine Engines</a>
<a class="padded2">Trucks</a>

Я бы рекомендовал использовать визуализатор XPath, чтобы быстро освоиться с написанием правильных и элегантных выражений XPath.

1. Фактический html также содержит дубликат этой html-структуры с заголовком «Уточнить по категориям». Этот XPath очищает ссылки от конца и до конца документа. Как я могу ограничить результаты только этим узлом?

2. @Lictor: Не могли бы вы, пожалуйста, уточнить свой вопрос? Ограничить только каким узлом?

3. Я возвращаю совпадения только из html, который я опубликовал, а не все совпадения, которые происходят после него.

4. @Lictor: использовать: (//tr[td[contains(., 'Refine by Vehicle Types')]])[1] /following-sibling::tr /td/div/table /tr/td/font /ul/li/a

5. хм, это ничего не возвращает… вот фактическая структура html, с которой я работаю: <tr><td><font color="White">Refine by Vehicle Types</font></td> </tr><tr><td><div> <table> <tr> <td><font><ul><li><a> Automobile/Light Trucks</a></li></ul></font></td> </tr> </table> </div></td> </tr><tr> <td></td> </tr><tr> <td><font>Refine by Category</font></td> </tr><tr> <td><div> <table> <tr> <td><font><ul><li><a>Agricultural</a></li></ul></font></td></tr>