使用 Zend_Dom 作为屏幕抓取工具

Question

如何？

更重要的是......

这个：

$url = 'http://php.net/manual/en/class.domelement.php';
$client = new Zend_Http_Client($url);
$response = $client->request();
$html = $response->getBody();
$dom = new Zend_Dom_Query($html);
$result = $dom->query('div.note');
Zend_Debug::dump($result);

给了我这个：

object(Zend_Dom_Query_Result)#867 (7) {
  ["_count":protected] => NULL
  ["_cssQuery":protected] => string(8) "div.note"
  ["_document":protected] => object(DOMDocument)#79 (0) {
  }
  ["_nodeList":protected] => object(DOMNodeList)#864 (0) {
  }
  ["_position":protected] => int(0)
  ["_xpath":protected] => NULL
  ["_xpathQuery":protected] => string(33) "//div[contains(@class, ' note ')]"
}

我一生都无法弄清楚如何用这个做任何事情。

我想提取检索到的数据的各个部分（即带有“note”类的 div 以及其中的任何元素...如文本和 url），但无法使任何内容正常工作。

有人向我指出 php.net 上的 DOMElement 类，但是当我尝试使用提到的一些方法时，我无法让事情正常工作。我如何从页面中抓取一大块 html 并通过它抓取各个部分？我如何检查我要拿回来的这个物体，以便我至少可以弄清楚里面有什么？

海尔普？

Answer 1

Zend_Dom_Query_Result 的 Iterator 实现为每次迭代返回一个 DOMElement 对象：

foreach ($result as $element) {
    var_dump($element instanceof DOMElement); // always true
}

从 $element 变量中，您可以使用任何 DOMElement 方法：

foreach ($result as $element) {
    echo 'Element Id: '.$element->getAttribute('id').PHP_EOL;
    if ($element->hasChildNodes()) {
        echo 'Element has child nodes'.PHP_EOL;
    }
    $aNodes = $element->getElementsByTagName('a');
    // etc
}

您还可以访问 文档元素，或者您可以使用 Zend_Dom_Query_Result 来执行此操作：

$document1 = $element->ownerDocument;
$document2 = $result->getDocument();
var_dump($document1 === $document2); // true
echo $document1->saveHTML();