●PHP SimpleXMLElement：読み出しやすい、追加のみ
●PHP DOMDocument：追加・削除できる
●PHP DOMXPath：domを柔軟にアクセス
というわけで 最終的に任意のノードを変更する為、PHP DOMDocument で HTML を DOM としてパース(スクレイピング)。
●PHP DOMDocument：追加・削除できる
●PHP DOMXPath：domを柔軟にアクセス
というわけで 最終的に任意のノードを変更する為、PHP DOMDocument で HTML を DOM としてパース(スクレイピング)。
<?php
$html=<<<EOT
<!DOCTYPE html>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
</head>
<body>
<div class="chapter" name="１章 ようこそ">
<h1>１－１節 remix.asia</h1>
<div class="paragraph">
文章
</div><!-- paragraph -->
</div><!-- chapter -->
<div class="chapter" name="２章 言語"><!-- 章の数だけ繰り返し -->
<h1>２－１節 HTML</h1>
<div class="paragraph">
HyperText Markup Language...
</div><!-- paragraph -->
<h1>２－２節 PHP</h1>
<div class="paragraph"><!-- 節の数だけ繰り返し -->
Hypertext Preprocessor
</div><!-- paragraph -->
</div><!-- chapter -->
</body>
</html>
EOT;
$dom = new DOMDocument( '1.0', 'UTF-8' );
if( false == $dom->loadHTML( $html ) ){
return;//error
}
の前提で．．．▼
XPathを使わないと タグの種類に制限を受ける。
$domNodeList = $dom->getElementsByTagName( 'div' );
echo '<hr />' . $domNodeList->length . '個';
foreach( $domNodeList as $v ){
echo '<br />' . $v->nodeValue;
} ▼
5個 １－１節 remix.asia 文章 文章 ２－１節 HTML HyperText Markup Language... ２－２節 PHP Hypertext Preprocessor HyperText Markup Language... Hypertext Preprocessor
$domNodeList = $dom->getElementsByTagName( 'h1' );
echo '<hr />' . $domNodeList->length . '個';
foreach( $domNodeList as $v ){
echo '<br />' . $v->nodeValue;
}
▼
3個 １－１節 remix.asia ２－１節 HTML ２－２節 PHPXPathを使ってclassで絞り込む。
$domxpath = new DOMXPath( $dom );
$domNodeList = $domxpath->query( '//div[@class="chapter"]' );
echo '<hr />' . $domNodeList->length . '個';
foreach( $domNodeList as $v ){
echo '<br />' . $v->getAttribute('name');
} ▼
2個 １章 ようこそ ２章 言語
echo '<hr />';
foreach( $domNodeList as $v ){
echo '<br />' . $v->nodeValue;
} ▼
１－１節 remix.asia 文章 ２－１節 HTML HyperText Markup Language... ２－２節 PHP Hypertext Preprocessor上記を踏まえ、入れ子構造のタグとしてループさせる。
echo '<hr />';
foreach( $domNodeList as $v ){
echo '<br />*' . $v->getAttribute('name');
$domNodeListChild = $domxpath->query( './/h1', $v );//★
foreach( $domNodeListChild as $vc ){
echo '<br />**' . $vc->nodeValue;
}
} ▼
*１章 ようこそ **１－１節 remix.asia *２章 言語 **２－１節 HTML **２－２節 PHP次回は、編集。
このブログのフィードを取得