requête XPath pour analyser les balises HTML

Question

J'ai besoin pour analyser l'échantillon HTML suivant à l'aide requête XPath ..

<td id="msgcontents"> 
<div class="user-data">Just seeing if I can post a link... please ignore post 
    <a href="http://finance.yahoo.com">http://finance.yahoo.com</a> 
</div> 
</td> 

<td id="msgcontents"> 
<div class="user-data">some text2... 
    <a href="http://abc.com">http://abc.com</a> 
</div> 
</td> 

<td id="msgcontents"> 
<div class="user-data">some text3...  
</div> 
</td> 

Le code HTML ci-dessus peut répéter n fois pas dans une page.

Aussi parfois la partie ..... peut être absente comme indiqué dans les blocs html ci-dessus.

Ce que je besoin est la syntaxe XPath pour que je puisse obtenir les chaînes analysables comme

array1[0]= "Just seeing if I can post a link... please ignore post ttp://finance.yahoo.com" 
array[1]="some text2 htp://abc.com" 
array[2]="sometext3" 

Answer 1

Peut-être quelque chose comme ce qui suit:

$remote = file_get_contents('http://www.sitename.com'); 
    $dom = new DOMDocument(); 
    //Error suppression unfortunately, as an invalid xhtml document throws up warnings. 
    $file = @$dom->loadHTML($remote); 

    $xpath = new DOMXpath($dom); 

    //Get all data with the user-data class. 
    $userdata = $xpath->query('//*[contains(@class, \'user-data\')]'); 

    //get links 
    $links = $xpath->query('//a/@href'); 

Donc, pour accéder à une de ces variables, vous avez besoin utiliser nodeValue:

$ret = array(); 
foreach($userdata as $data) { 
    $ret[] = $data->nodeValue; 
} 

Edi t: Je pensais que je mentionnerais que cela va obtenir tous les liens sur une page donnée, je suppose que c'est ce que vous vouliez?

Answer 2

Utilisation:

concat(/td/div/text[1], ' ', /td/div/a) 

Vous pouvez utiliser au lieu de « » ci-dessus, quel que soit délimiteur que vous souhaitez à apparaître entre les deux chaînes.