PHP 怎么使用 XPath 來(lái)采集頁(yè)面數據內容

　　之前有說(shuō)過(guò)使用 Python 使用 XPath 去采集頁(yè)面數據內容，前段時(shí)間參與百度公測的一個(gè)號主頁(yè)詮釋插口，需要文章頁(yè)面改建的application/ld+json代碼

　　Python 具體的操作可以看一下之前的文章：Python爬蟲(chóng)之XPath句型和lxml庫的用法以及便捷的 Chrome 網(wǎng)頁(yè)解析工具：XPath Helper

　　我想過(guò)使用 QueryList 的框架去操作，但是由于他大小也算個(gè)框架，有點(diǎn)重，還是直接單文件吧

　　想到了之前寫(xiě) Python 爬蟲(chóng)時(shí)使用的 XPath，PHP 應該也是可以搞的吧

　　動(dòng)手就干，先找到對應的 XPath 規則，如下：

　　//script[@type='application/ld+json']/text()

　　script 節點(diǎn)下的 type 屬性，拿到它中間的文本，也剛好是我們須要的 JSON 數據

　　本來(lái)也是為了遞交百度便捷，所以直接做到給一個(gè)鏈接，然后代碼去懇求百度的插口就可以了

　　具體代碼是這樣的：

　　$html = file_get_contents('https://qq52o.me/2530.html');

$dom = new DOMDocument();

// 從一個(gè)字符串加載HTML

@$dom->loadHTML($html);

// 使該HTML規范化

$dom->normalize();

// 用DOMXpath加載DOM，用于查詢(xún)

$xpath = new DOMXPath($dom);

// 獲取對應的xpath數據

$hrefs = $xpath->query("//script[@type='application/ld+json']/text()");

for ($i = 0; $i < $hrefs->length; $i++) {

$href = $hrefs->item($i);

$json = $href->nodeValue;

}

　　類(lèi)庫的用法自己可以看一下指南，使用 DOMXPath 的 query 方法，執行給定的 Xpath 規則，就醬紫~

　　針對百度熊掌號新插口懇求封裝代碼可以看一下 Github：sy-records/xzh-curl

　　總的來(lái)說(shuō)，簡(jiǎn)單寫(xiě)一個(gè)頁(yè)面的采集還是很簡(jiǎn)單的

　　沈唁志，一個(gè)PHPer的成長(cháng)之路！任何個(gè)人或團體，未經(jīng)準許嚴禁轉載本文：《PHP 怎么使用 XPath 來(lái)采集頁(yè)面數據內容》，謝謝合作！