analizando html con el domdocumento de PHP y xpath

al intentar analizar HTML utilizando el domdocumento de PHP, un problema común está encontrando texto específico dentro de las etiquetas de clases particulares. Uso de DomDocument :: GetElementsBytagName solo puede no ser suficiente en tales casos.

para capturar texto específico dentro de las etiquetas de una clase de destino, se recomienda un enfoque alternativo que utilice DOMDocument y DOMXPath. DomXPath permite que las consultas de XPath poderosas ubiquen elementos basados ​​en sus atributos y estructura.

Considere el siguiente html:

    

    Capture this text 1
    



    

    Capture this text 2
    

para recuperar el texto dentro de las etiquetas con class = "text" que son descendientes de las etiquetas con class = "main", siga estos pasos:

php
$html = 
    

    Capture this text 1
    



    

    Capture this text 2
    

HTML;

$dom = new DOMDocument();
$dom->loadHTML($html);

$xpath = new DOMXPath($dom);

$tags = $xpath->query('//div[@class="main"]/div[@class="text"]');
foreach ($tags as $tag) {
    var_dump(trim($tag->nodeValue));
}

Este fragmento de código saldrá:

string 'Capture this text 1' (length=19)
string 'Capture this text 2' (length=19)

utilizando DomDocument y DOMXPath, puede localizar y recuperar elementos con precisión dentro de una estructura HTML, incluso cuando se trata de jerarquías de clase específicas y requisitos de contenido.