xpath在PHP中的应用，采集爬取HTML代码并匹配节点内容
xpath非常好用，爬虫采集太轻松了。
通常我们在采集源地址后，得到的是页面的HTML代码，有时候抓过来的源码是又多又乱。。
接下来我们就开始正则匹配需要的内容了，这时候就会遇到不会正则表达式的困扰（估计很多人都不太会正则），再遇到节点复杂的，直接就懵逼了。
1、先来看看xpath是啥？
xpath 是一门在 XML 文档中查找信息的语言，XPath 可用来在 XML 文档中对元素和属性进行遍历。
有没有点似懂非懂的，说白了，用xpath对XML/HTML节点索引非常的方便。
2、来看一个简单的DEMO
比如一段HTML代码：
<html> <head> <title>xpath demo</title> </head> <body> <h1>xpath</h1> <p>第一个P节点</p> <p>第二个P节点</p> <div class="item"> <p>嵌套P节点1</p> </div> <div class="item"> <p>嵌套P节点2</p> </div> </body> </html>
用xpath获取P节点。
需要注意的是，xpath是对XML文档索引的，直接用HTML代码是不可以的。需要用DOMDocument转换成DOM对象，然后用DOMXPath转换成xpath对象进行操作。
$htmlDom = new DOMDocument();
$htmlDom->loadHTML($html); //载入HTML
$htmlDom->normalize(); //将HTML规范化，避免那些不规范的HTML造成获取节点困难
$xpath = new DOMXPath($htmlDom);
$list= $xpath->evaluate("/html/body//p");到这一步我们就获取到了body下面的所有P元素节点了，接下来获取内容
foreach($list as $item){
$text[]=$item->textContent
}最后，打印$text数组看看内容
array( 0=>'第一个P节点', 1=>'第二个P节点', 2=>'嵌套P节点1', 3=>'嵌套P节点2', )
是不是很方便哈。
有 0 位网友评论：