Buscar..


Analizar HTML desde una cadena

PHP implementa un analizador compatible con DOM Nivel 2 , lo que le permite trabajar con HTML utilizando métodos conocidos como getElementById() o appendChild() .

$html = '<html><body><span id="text">Hello, World!</span></body></html>';

$doc = new DOMDocument();
libxml_use_internal_errors(true);
$doc->loadHTML($html);

echo $doc->getElementById("text")->textContent;

Salidas:

Hello, World!

Tenga en cuenta que PHP emitirá advertencias sobre cualquier problema con el HTML, especialmente si está importando un fragmento de documento. Para evitar estas advertencias, indique a la biblioteca DOM (libxml) que maneje sus propios errores llamando a libxml_use_internal_errors() antes de importar su HTML. Luego puede usar libxml_get_errors() para manejar los errores si es necesario.

Utilizando XPath

$html = '<html><body><span class="text">Hello, World!</span></body></html>';

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

$xpath = new DOMXPath($doc);
$span = $xpath->query("//span[@class='text']")->item(0);

echo $span->textContent;

Salidas:

Hello, World!

SimpleXML

Presentación

  • SimpleXML es una biblioteca de PHP que proporciona una manera fácil de trabajar con documentos XML (especialmente leer e iterar a través de datos XML).

  • La única restricción es que el documento XML debe estar bien formado.

Análisis de XML utilizando un enfoque de procedimiento

// Load an XML string
$xmlstr = file_get_contents('library.xml');
$library = simplexml_load_string($xmlstr);

// Load an XML file
$library = simplexml_load_file('library.xml');

// You can load a local file path or a valid URL (if allow_url_fopen is set to "On" in php.ini

Analizar XML utilizando el enfoque OOP

// $isPathToFile: it informs the constructor that the 1st argument represents the path to a file,
// rather than a string that contains 1the XML data itself.

// Load an XML string
$xmlstr = file_get_contents('library.xml');
$library = new SimpleXMLElement($xmlstr);

// Load an XML file
$library = new SimpleXMLElement('library.xml', NULL, true);

// $isPathToFile: it informs the constructor that the first argument represents the path to a file, rather than a string that contains 1the XML data itself.

Accediendo a los niños y atributos

  • Cuando SimpleXML analiza un documento XML, convierte todos sus elementos XML o nodos en propiedades del objeto SimpleXMLElement resultante.
  • Además, convierte los atributos XML en una matriz asociativa a la que se puede acceder desde la propiedad a la que pertenecen.

Cuando conoces sus nombres:

$library = new SimpleXMLElement('library.xml', NULL, true);
foreach ($library->book as $book){
    echo $book['isbn'];
    echo $book->title;
    echo $book->author;
    echo $book->publisher;
}
  • El principal inconveniente de este enfoque es que es necesario conocer los nombres de cada elemento y atributo en el documento XML.

Cuando no sabes sus nombres (o no quieres saberlos):

foreach ($library->children() as $child){
    echo $child->getName();
    // Get attributes of this element
    foreach ($child->attributes() as $attr){
        echo ' ' . $attr->getName() . ': ' . $attr;
    }
    // Get children
    foreach ($child->children() as $subchild){
        echo ' ' . $subchild->getName() . ': ' . $subchild;
    }
}


Modified text is an extract of the original Stack Overflow Documentation
Licenciado bajo CC BY-SA 3.0
No afiliado a Stack Overflow