[ Поиск ] - [ Пользователи ] - [ Календарь ]
Полная Версия: Парсинг XML
Форум PHP программистов > GD, XML, CURL, PEAR & PECL
Invis1ble
24.01.2011 - 20:07
Всем привет! Извиняюсь, если такой вопрос уже рассматривался на форуме, но я даже не знаю, как у поисковика спросить правильно )
Вобщем, такая ситуёвина. Вот код для наглядности:
function openTagHandler($xmlh, $tagName, $tagAttrs)
{
  if ($tagName == 'div' && isset($tagAttrs['class']) && $tagAttrs['class'] == 'sr')
    {}
}

function closeTagHandler($xmlh, $tagName)
{
}

function dataHandler($xmlh, $data)
{
}

$page = file_get_contents($URI);

$xmlh = xml_parser_create('utf-8') or die('Could not create xml-parser.');

xml_set_element_handler($xmlh, 'openTagHandler', 'closeTagHandler');
xml_set_character_data_handler($xmlh, 'dataHandler');
xml_parser_set_option($xmlh, XML_OPTION_CASE_FOLDING, 0);

if (!xml_parse($xmlh, $page))
  die(sprintf("XML parse error: %s on line %d.",
              xml_error_string(xml_get_error_code($xmlh)),
              xml_get_current_line_number($xmlh)));

xml_parser_free($xmlh);

Вопрос такой: в обработчике openTagHandler() проверяется условие на наличие примерно следующей структуры:
<div class="sr">некоторый текст</div>

- при выполнении этого условия (тег найден), нужно обработать текст, заключенный в этом теге ("некоторый текст"). Как грамотно это сделать?
У меня такая мысль: при выполнении условия в обработчике openTagHandler() установить некоторый глобальный флаг, а в обработчике dataHendler() проверять наличие этого флага... Немного корявенько, как я понимаю... Может есть какое-то более красивое решение?



Спустя 2 часа, 18 минут, 14 секунд (24.01.2011 - 21:25) Invis1ble написал(а):
Че-то не получается ничего с флагом....

Спустя 2 часа, 58 минут, 14 секунд (25.01.2011 - 00:23) kirik написал(а):
Цитата (Invis1ble @ 24.01.2011 - 11:07)
Может есть какое-то более красивое решение?

Угу, есть :) Используй xpath:
$string = <<<HTML
<table class="c_topStrip"   cellspacing="0" border=0><!--главное меню--> 
<tr> 
<td id="corner"></td> 
     <td id="c_strip" align="right"> 
     <nobr><a href="http://phpforum.ru/index.php?act=boardrules" style="color:White;text-decoration:none;">Правила</a> 
     <a href="http://phpforum.ru/index.php?act=fav" style="color:White;text-decoration:none;">Закладки</a> 
     <a href="http://phpforum.ru/index.php?act=rep&CODE=totals">Карма</a> 
     <a href="http://phpforum.ru/index.php?act=calendar" style="color:White;text-decoration:none;">Календарь</a> 
     <a href="http://phpforum.ru/journal.php" style="color:White;text-decoration:none;">Журналы</a> 
     <a href="http://phpforum.ru/index.php?act=Help" style="color:White;text-decoration:none;">Помощь</a> 
     <a href="http://phpforum.ru/index.php?act=Search&f=14" style="color:White;text-decoration:none;">Поиск</a> 
     <a href="http://phpforum.ru/txt/" style="color:White;text-decoration:none;">PDA</a> 
     <a href="http://phpforum.ru/chat/" title="Чат" style="color:White;text-decoration:none;"> Чат</a></nobr>
     <div class="sr">некоторый текст</div>
     </td> 
</tr> 
</table> 
HTML;

$DOM = new DOMDocument();
$DOM->loadHTML($string);
$xpath = new DOMXpath($DOM);

$elements = $xpath->query('//div[@class="sr"]');

foreach($elements as $element) {
     echo $element->nodeValue . '<br />';
}

Спустя 2 часа, 54 минуты, 43 секунды (25.01.2011 - 03:18) Invis1ble написал(а):
kirik
ага, спасибо, я уже юзаю, только не Xpath (щас и его попробую =)), а класс DOMDocument()... Вобщем, щас буду проводить клинические испытания на основе твоего примера ))

Спустя 1 час, 54 минуты, 52 секунды (25.01.2011 - 05:13) Invis1ble написал(а):
kirik
Попробовал. Очень удобно. Буду учить синтаксис запросов.
у меня такой вопрос: а как насчет производительности? В смысле, если требуется распарсить к примеру 100 000 документов (тот же форум), то насколько целесообразно юзать XPath?
Это на всякий случай я спрашиваю, т.к. сам я думаю, что целесообразней других способов....

Спустя 24 минуты, 10 секунд (25.01.2011 - 05:37) kirik написал(а):
Invis1ble
По производительности не знаю.. не измерял. Но всё таки думаю что должно быть быстрее своей реализации на чистом php.

Спустя 23 минуты, 20 секунд (25.01.2011 - 06:01) Invis1ble написал(а):
kirik
ясно, спасибо

Спустя 3 часа, 53 минуты, 37 секунд (25.01.2011 - 09:54) linker написал(а):
Invis1ble
Учти, что мало кто соблюдает стандарт XHTML при верстки своих сайтов. Любой незакрытый тэг аля <br>, сгенерит эксепшен.

Спустя 7 часов, 32 минуты, 32 секунды (25.01.2011 - 17:27) Invis1ble написал(а):
linker
Я соблюдаю всегда =)
А если серьезно - то я это прекрасно понимаю, но если работать через $DOM->loadHTML($string) или $DOM->loadHTMLFile($file), то насколько я понял невалидный XHTML тоже прокатит без происшествий... Так?

Спустя 2 минуты, 27 секунд (25.01.2011 - 17:29) linker написал(а):
У меня что-то у меня вроде не вышло подсунуть кривой HTML.

Спустя 12 минут, 24 секунды (25.01.2011 - 17:42) Invis1ble написал(а):
linker
странно... Я вот щас проверил специально, убил закрывающий </html>, добавил <br> и еще всяких пакостей подобных - никаких эксепшнов, все вроде норм...
А насколько кривой html ты пробовал? можешь прмер сюда выложить?

Спустя 9 минут, 59 секунд (25.01.2011 - 17:52) linker написал(а):
Invis1ble
Эх, если б я помнил. Надоть будет потренироваться еще.

Спустя 1 час, 5 минут, 48 секунд (25.01.2011 - 18:57) Invis1ble написал(а):
Возник еще вопрос. Вот такой код:
$DOM = new DOMDocument();

$DOM->loadHTMLFile($URI) or die('Could not load HTML identified by ' . $URI);
$DOM->preserveWhiteSpace = false;

$Xpath = new DOMXPath($DOM);

$highlightTags = array('h1', 'h2', 'h3', 'h4', 'h5', 'h6', 'b', 'strong');
$blocks = $Xpath->query('//div[@class="target"]');

foreach ($blocks as $block)
{ 
  foreach ($highlightTags as $highlightTag)
  {
    $highlightElements = $block->getElementsByTagName($highlightTag);

    foreach ($highlightElements as $highlightElement)
      $highlightText[] = $highlightElement->nodeValue; // как удалить из DOM текущий элемент?
  }
}

записываю в массив текст во всретившихся тегах ($highlightTags) и нужно после этого убрать из DOM совпавшие элементы... Надеюсь, понятно объяснил. Как это сделать?

Спустя 3 часа, 21 минута, 15 секунд (25.01.2011 - 22:19) kirik написал(а):
Invis1ble
Ну дык это же обычный DOM. И работай с ним как с DOM'ом :)
    foreach ($highlightElements as $highlightElement) {
      $highlightText[] = $highlightElement->nodeValue; // как удалить из DOM текущий элемент?
      $highlightElement->parentNode->removeChild($highlightElement); // как-то так
    }

Спустя 1 час, 22 минуты, 53 секунды (25.01.2011 - 23:41) Invis1ble написал(а):
kirik
блин, я примерно так и делал, но не получалось.... Спасибо, за подсказку )

Спустя 48 минут, 17 секунд (26.01.2011 - 00:30) linker написал(а):
При использовании XPath есть грабли с удалением/редактированием/добавлением в полученном наборе узлов, но опять же могу ошибаться, читал об этом давно.


_____________

Профессиональная разработка на заказ

Я на GitHub | второй профиль

Быстрый ответ:
Powered by dgreen

 Графические смайлики |  Показывать подпись
Здесь расположена полная версия этой страницы.
Invision Power Board © 2001-2024 Invision Power Services, Inc.