0

0

使用XPath将无序列表HTML标记转换为多维数组

霞舞

霞舞

发布时间:2025-08-12 18:08:01

|

339人浏览过

|

来源于php中文网

原创

使用xpath将无序列表html标记转换为多维数组

本文介绍了如何使用PHP的DOMDocument和DOMXPath类,结合XPath表达式,将包含状态信息的HTML无序列表转换为结构化的多维数组,并最终输出为JSON格式。重点在于使用XPath准确提取所需数据,并处理HTML中的空白字符,确保数据的准确性和可读性。

使用XPath解析HTML无序列表并转换为多维数组

在Web开发中,经常需要从HTML文档中提取数据。当数据以特定结构(例如无序列表)呈现时,使用XPath可以方便地定位和提取所需的信息。本教程将演示如何使用PHP的DOMDocument和DOMXPath类,将HTML无序列表转换为多维数组,并最终输出为JSON格式。

1. 加载HTML并创建DOMXPath对象

首先,需要将HTML字符串加载到DOMDocument对象中,并创建一个DOMXPath对象,以便使用XPath表达式查询DOM树。为了去除HTML中可能存在的空白字符,提高数据提取的准确性,可以使用自定义的loadHTML_noemptywhitespace函数。

立即学习前端免费学习笔记(深入)”;

function loadHTML_noemptywhitespace(string $html, int $extra_flags = 0, int $exclude_flags = 0): \DOMDocument
{
    $flags = LIBXML_HTML_NODEFDTD | LIBXML_NOBLANKS | LIBXML_NONET;
    $flags = ($flags & ~ $exclude_flags) | $extra_flags;

    $domd = new \DOMDocument();
    $domd->preserveWhiteSpace = false;
    @$domd->loadHTML('' . $html, $flags);
    $removeAnnoyingWhitespaceTextNodes = function (\DOMNode $node) use (&$removeAnnoyingWhitespaceTextNodes): void {
        if ($node->hasChildNodes()) {
            // 递归处理子节点
            for ($i = $node->childNodes->length - 1; $i >= 0; --$i) {
                $removeAnnoyingWhitespaceTextNodes($node->childNodes->item($i));
            }
        }
        if ($node->nodeType === XML_TEXT_NODE && !$node->hasChildNodes() && !$node->hasAttributes() && ! strlen(trim($node->textContent))) {
            // 移除空白文本节点
            $node->parentNode->removeChild($node);
        }
    };
    $removeAnnoyingWhitespaceTextNodes($domd);
    return $domd;
}

$html = '
  • Status: Objeto em trânsito - por favor aguarde
  • Data : 24/10/2021 | Hora: 12:04
  • Origem: Unidade de Tratamento - Jaboatao Dos Guararapes / PE
  • Destino: Agência dos Correios - Cuitegi / PB
  • Status: Objeto em trânsito - por favor aguarde
  • Data : 19/10/2021 | Hora: 00:03
  • Origem: Unidade de Logística Integrada - Curitiba / PR
  • Destino: Unidade de Tratamento - Recife / PE
  • Status: Fiscalização aduaneira finalizada
  • Data : 18/10/2021 | Hora: 23:35
  • Local: Unidade Operacional - Curitiba / PR
  • Status: Objeto recebido pelos Correios do Brasil
  • Data : 16/10/2021 | Hora: 11:45
  • Local: Unidade de Logística Integrada - Curitiba / PR
  • Status: Objeto postado
  • Data : 14/10/2021 | Hora: 20:30
  • Local: País - /
'; $domd=loadHTML_noemptywhitespace($html); $xp=new DOMXPath($domd);

2. 使用XPath查询UL元素

使用XPath表达式//div[contains(@class,'singlepost')]/ul选择所有包含singlepost类的div元素下的ul元素。

$extracted=[];
foreach($xp->query("//div[contains(@class,'singlepost')]/ul") as $ul){
    $ulData=[];
    // ...
}

3. 提取LI元素中的数据

Uni-CourseHelper
Uni-CourseHelper

私人AI助教,高效学习工具

下载

在每个ul元素中,使用XPath表达式./li选择所有的li元素。然后,使用explode函数将每个li元素的文本内容按冒号分隔,提取键值对,并将其存储到$ulData数组中。

foreach($xp->query("./li", $ul) as $li){
    $data = explode(":",$li->nodeValue, 2);
    $uldata[trim($data[0])] = trim($data[1]);
}
$extracted[]=$uldata;

4. 将结果转换为JSON格式

最后,使用json_encode_pretty函数将提取的数据转换为JSON格式,并输出。json_encode_pretty函数可以格式化JSON输出,使其更易于阅读。

function json_encode_pretty($data, int $extra_flags = 0, int $exclude_flags = 0): string
{
    // prettiest flags for: 7.3.9
    $flags = JSON_PRETTY_PRINT | JSON_UNESCAPED_SLASHES | JSON_UNESCAPED_UNICODE | (defined("JSON_UNESCAPED_LINE_TERMINATORS") ? JSON_UNESCAPED_LINE_TERMINATORS : 0) | JSON_PRESERVE_ZERO_FRACTION | (defined("JSON_THROW_ON_ERROR") ? JSON_THROW_ON_ERROR : 0);
    $flags = ($flags | $extra_flags) & ~ $exclude_flags;
    return (json_encode($data, $flags));
}

echo json_encode_pretty($extracted);

完整代码示例

preserveWhiteSpace = false;
    @$domd->loadHTML('' . $html, $flags);
    $removeAnnoyingWhitespaceTextNodes = function (\DOMNode $node) use (&$removeAnnoyingWhitespaceTextNodes): void {
        if ($node->hasChildNodes()) {
            // Warning: it's important to do it backwards; if you do it forwards, the index for DOMNodeList might become invalidated;
            // that's why i don't use foreach() - don't change it (unless you know what you're doing, ofc)
            for ($i = $node->childNodes->length - 1; $i >= 0; --$i) {
                $removeAnnoyingWhitespaceTextNodes($node->childNodes->item($i));
            }
        }
        if ($node->nodeType === XML_TEXT_NODE && !$node->hasChildNodes() && !$node->hasAttributes() && ! strlen(trim($node->textContent))) {
            //echo "Removing annoying POS";
            // var_dump($node);
            $node->parentNode->removeChild($node);
        } //elseif ($node instanceof DOMText) { echo "not removed"; var_dump($node, $node->hasChildNodes(), $node->hasAttributes(), trim($node->textContent)); }
    };
    $removeAnnoyingWhitespaceTextNodes($domd);
    return $domd;
}

$html = '
  • Status: Objeto em trânsito - por favor aguarde
  • Data : 24/10/2021 | Hora: 12:04
  • Origem: Unidade de Tratamento - Jaboatao Dos Guararapes / PE
  • Destino: Agência dos Correios - Cuitegi / PB
  • Status: Objeto em trânsito - por favor aguarde
  • Data : 19/10/2021 | Hora: 00:03
  • Origem: Unidade de Logística Integrada - Curitiba / PR
  • Destino: Unidade de Tratamento - Recife / PE
  • Status: Fiscalização aduaneira finalizada
  • Data : 18/10/2021 | Hora: 23:35
  • Local: Unidade Operacional - Curitiba / PR
  • Status: Objeto recebido pelos Correios do Brasil
  • Data : 16/10/2021 | Hora: 11:45
  • Local: Unidade de Logística Integrada - Curitiba / PR
  • Status: Objeto postado
  • Data : 14/10/2021 | Hora: 20:30
  • Local: País - /
'; $domd=loadHTML_noemptywhitespace($html); $xp=new DOMXPath($domd); $extracted=[]; foreach($xp->query("//div[contains(@class,'singlepost')]/ul") as $ul){ $ulData=[]; foreach($xp->query("./li", $ul) as $li){ $data = explode(":",$li->nodeValue, 2); $uldata[trim($data[0])] = trim($data[1]); } $extracted[]=$uldata; } echo json_encode_pretty($extracted); ?>

注意事项

  • XPath表达式的准确性至关重要。请根据实际HTML结构调整XPath表达式。
  • loadHTML_noemptywhitespace函数可以有效地去除HTML中的空白字符,提高数据提取的准确性。
  • 使用json_encode_pretty函数可以格式化JSON输出,使其更易于阅读。
  • 如果HTML结构复杂,可以考虑使用更高级的HTML解析库,例如symfony/dom-crawler。

总结

本教程演示了如何使用PHP的DOMDocument和DOMXPath类,结合XPath表达式,将HTML无序列表转换为结构化的多维数组,并最终输出为JSON格式。通过使用XPath准确提取所需数据,并处理HTML中的空白字符,可以有效地从HTML文档中提取数据,并将其转换为易于处理的格式。

相关文章

HTML速学教程(入门课程)
HTML速学教程(入门课程)

HTML怎么学习?HTML怎么入门?HTML在哪学?HTML怎么学才快?不用担心,这里为大家提供了HTML速学教程(入门课程),有需要的小伙伴保存下载就能学习啦!

下载

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

热门AI工具

更多
DeepSeek
DeepSeek

幻方量化公司旗下的开源大模型平台

豆包大模型
豆包大模型

字节跳动自主研发的一系列大型语言模型

通义千问
通义千问

阿里巴巴推出的全能AI助手

腾讯元宝
腾讯元宝

腾讯混元平台推出的AI助手

文心一言
文心一言

文心一言是百度开发的AI聊天机器人,通过对话可以生成各种形式的内容。

讯飞写作
讯飞写作

基于讯飞星火大模型的AI写作工具,可以快速生成新闻稿件、品宣文案、工作总结、心得体会等各种文文稿

即梦AI
即梦AI

一站式AI创作平台,免费AI图片和视频生成。

ChatGPT
ChatGPT

最最强大的AI聊天机器人程序,ChatGPT不单是聊天机器人,还能进行撰写邮件、视频脚本、文案、翻译、代码等任务。

相关专题

更多
PHP Symfony框架
PHP Symfony框架

本专题专注于PHP主流框架Symfony的学习与应用,系统讲解路由与控制器、依赖注入、ORM数据操作、模板引擎、表单与验证、安全认证及API开发等核心内容。通过企业管理系统、内容管理平台与电商后台等实战案例,帮助学员全面掌握Symfony在企业级应用开发中的实践技能。

78

2025.09.11

json数据格式
json数据格式

JSON是一种轻量级的数据交换格式。本专题为大家带来json数据格式相关文章,帮助大家解决问题。

418

2023.08.07

json是什么
json是什么

JSON是一种轻量级的数据交换格式,具有简洁、易读、跨平台和语言的特点,JSON数据是通过键值对的方式进行组织,其中键是字符串,值可以是字符串、数值、布尔值、数组、对象或者null,在Web开发、数据交换和配置文件等方面得到广泛应用。本专题为大家提供json相关的文章、下载、课程内容,供大家免费下载体验。

535

2023.08.23

jquery怎么操作json
jquery怎么操作json

操作的方法有:1、“$.parseJSON(jsonString)”2、“$.getJSON(url, data, success)”;3、“$.each(obj, callback)”;4、“$.ajax()”。更多jquery怎么操作json的详细内容,可以访问本专题下面的文章。

311

2023.10.13

go语言处理json数据方法
go语言处理json数据方法

本专题整合了go语言中处理json数据方法,阅读专题下面的文章了解更多详细内容。

77

2025.09.10

js 字符串转数组
js 字符串转数组

js字符串转数组的方法:1、使用“split()”方法;2、使用“Array.from()”方法;3、使用for循环遍历;4、使用“Array.split()”方法。本专题为大家提供js字符串转数组的相关的文章、下载、课程内容,供大家免费下载体验。

298

2023.08.03

js截取字符串的方法
js截取字符串的方法

js截取字符串的方法有substring()方法、substr()方法、slice()方法、split()方法和slice()方法。本专题为大家提供字符串相关的文章、下载、课程内容,供大家免费下载体验。

212

2023.09.04

java基础知识汇总
java基础知识汇总

java基础知识有Java的历史和特点、Java的开发环境、Java的基本数据类型、变量和常量、运算符和表达式、控制语句、数组和字符串等等知识点。想要知道更多关于java基础知识的朋友,请阅读本专题下面的的有关文章,欢迎大家来php中文网学习。

1498

2023.10.24

Python 自然语言处理(NLP)基础与实战
Python 自然语言处理(NLP)基础与实战

本专题系统讲解 Python 在自然语言处理(NLP)领域的基础方法与实战应用,涵盖文本预处理(分词、去停用词)、词性标注、命名实体识别、关键词提取、情感分析,以及常用 NLP 库(NLTK、spaCy)的核心用法。通过真实文本案例,帮助学习者掌握 使用 Python 进行文本分析与语言数据处理的完整流程,适用于内容分析、舆情监测与智能文本应用场景。

9

2026.01.27

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
10分钟--Midjourney创作自己的漫画
10分钟--Midjourney创作自己的漫画

共1课时 | 0.1万人学习

Midjourney 关键词系列整合
Midjourney 关键词系列整合

共13课时 | 0.9万人学习

AI绘画教程
AI绘画教程

共2课时 | 0.2万人学习

关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号