私はPHPを使ってウェブサイトをスクラップしているので、CSSクラスに基づいてノードを取得する必要があります。 id属性を持たないulタグを取得する必要がありますが、cssクラスはあります。私は、すべてのliタグではなく、特定のアンカータグを含むliタグのみを取得する必要があります。クラス選択と親ノードの取得を可能にするPHP HTMLパーサ
私はDOMDocument、Zend_Domを調べましたが、どちらも要件、クラス選択、DOMトラバーサル（特に親への昇順）のいずれも持っていません。
あなたはquerypathを使用することができ、その後、このような何かがうまくいくかもしれない：
htmlqp($html)->find("ul.class")->not("#id")
->find('li a[href*="specific"]')->parent()
// then foreach over it or use ->writeHTML() for extraction
は、APIのためhttp://api.querypath.org/docs/class_query_path.htmlを参照してください。
（あなたは手間のかかるのDOMDocumentを使用しない場合トラバースは、はるかに簡単です。）私は幸運を持っていた：あなたはDOMDocumentとDOMXPathでこれを行うことができます http://simplehtmldom.sourceforge.net/
。 XPathでクラスごとに選択するのは苦痛ですが、実行することはできます。ここで
は、いくつかのサンプルであるHTML（と完全に有効！）：あなたはPHP 5.3を使用している場合は、PHPでのXPath関数を登録することにより、このビットを簡素化することができ$html = <<<EOT
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<title>Document Title</title>
<ul id="myid"><li>myid-listitem1</ul>
<ul class="foo
theclass
"><li>list2-item1<li>list2-item2</ul>
<ul id="myid2" class="foo
theclass bar"><li>list3-item1<li>list3-item2</ul>
EOT
;
$doc = new DOMDocument();
$doc->loadHTML($html);
$xp = new DOMXPath($doc);
$nodes = $xp->query("/html/body//ul[not(@id) and contains(concat(' ',normalize-space(@class),' '), ' theclass ')]");
var_dump($nodes->length);
。 （ただし、直接ではなくDOMXPathについて、あなたはPHP 5.1から始まるXSLTProcessorでXPath式で使用するための関数を登録することもできます。）
function hasToken($nodearray, $token) {
foreach ($nodearray as $node) {
if ($node->nodeValue===null or !hasTokenS($node->nodeValue, $token)) {
return False;
}
}
return True;
// I could even return nodes or document fragments if I wanted!
}
function hasTokenS($str, $token) {
$str = trim($str, "\r\n\t ");
$tokens = preg_split('/[\r\n\t ]+/', $str);
return in_array($token, $tokens);
}
$xp->registerNamespace('php', 'http://php.net/xpath');
$xp->registerPhpFunctions(array('hasToken', 'hasTokenS'));
// These two are equivalent:
$nodes1 = $xp->query("/html/body//ul[not(@id) and php:function('hasToken', @class, 'theclass')]");
$nodes2 = $xp->query("/html/body//ul[not(@id) and php:functionString('hasTokenS', @class, 'theclass')]");
var_dump($nodes1->length);
var_dump($nodes1->item(0));
var_dump($nodes2->length);
var_dump($nodes2->item(0));
DOMDocumentはちょうど非常によくあなたのHTMLを解析していない場合、あなたはhtml5libパーサーを使用することができますDOMDocumentを返します。
require_once('lib/HTML5/Parser.php'); // or where-ever you put it
$dom = HTML5_Parser::parse($html);
// $dom is a plain DOMDocument object, created according to html5 parsing rules
DOMDocumentでこれを行うことができます.HTMLのサンプルを含める必要があります – ajreal