php使用xpath来进行采集页面的内容

使用过xpath来快速抓取页面上的内容，可以使用谷歌浏览器扩展来测试xpath表达式。

谷歌插件地址：https://chrome.google.com/webstore/detail/xpath-helper/hgimnogjllphhhkhlmebbmlgjoejdpjl

我们来获取页面上所有的A标签href内容，具体其他表达式可以在谷歌插件上进行测试。

如下就是使用php用xpath表达式来获取内容！

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17 <?php
$html=file_get_contents('https://www.sogou.com/sogou?query=gif压缩');
$dom = new DOMDocument();
//从一个字符串加载HTML
@$dom->loadHTML($html);
//使该HTML规范化
$dom->normalize();
//用DOMXpath加载DOM，用于查询
$xpath = new DOMXPath($dom);
#获取所有的a标签的地址
$hrefs = $xpath->query("/html/body//a//@href");
for ($i = 0; $i < $hrefs->length; $i++) {
$href = $hrefs->item($i);
$linktext = $href->nodeValue;
echo $linktext;
echo "\r\n";
}

运行结果如下：

http://tool.apizl.com/dev/runCode/8d4b897a657b85744bd498d152ba8a31.html

php使用xpath来进行采集页面的内容