Как спарсить блок без класса, айди?

Question

[Илья]

Книга в электронном каталоге библиотеки:

Мне нужно спарсить основное заглавие. Как это правильно сделать?


Пока делаю так:

require 'simple_html_dom.php';

// Создаём ДОМ из строки с хтмл-кодом Марк-вью
$html = str_get_html($htmlMarc);

// Прогоняем все <td> на странице, находим нужный
foreach($html->find('td') as $element) {
    if ($a == 1) {
        echo $element->plaintext;
        return;
    }
    if ($element->plaintext == 'Основное заглавие')
        $a = 1;
}

Comments

[alexalexes]

Да, все верно. По относительному положению в DOM-е, или по содержимому.

Answer 1

[DevMan]

не нужно ни левых библиотек, ни лишних переборов - use xpath luke)

$doc = new DOMDocument();
@$doc->loadHTMLFile('http://catalog.mgdb.ru:49001/cgi-bin/koha/opac-MARCdetail.pl?biblionumber=31737');

$xpath = new DOMXpath($doc);
echo $xpath->query("//tr[td='Основное заглавие']/td[2]")[0]->nodeValue;

Comments

[Илья]

Спасибо! Но у меня ничего не выводится. Может нужно сделать require чего-то?

[DevMan]

Илья, не надо никаких require - это родной функционал пхп.
максимум - в самом пыхе не установлен/не подключен модуль dom.
смотрите phpinfo() и включите вывод ошибок.

[DevMan]

Илья, кстати, версия пыха какая?

[Илья]

DevMan, PHP7.

[DevMan]

Илья, код валиден для седьмого пыха.
проверяйте наличие модуля и включайте вывод ошибок.

[Илья]

DevMan, спасибо, написал администратору.

Какая у вас программа на скриншоте?

[DevMan]

Илья, https://coderunnerapp.com/

[Илья]

DevMan, не хватало модуля php-xml.

[Илья]

DevMan, а как спарсить ISBN книги в этом случае? Помогите, пожалуйста, с запросом.

[DevMan]

Илья, линк на страницу с данными?

[Илья]

DevMan, пожалуйста.

[DevMan]

Илья,

echo $xpath->query("//span[@class='results_summary'][6]/text()")[0]->nodeValue;

[Илья]

DevMan, спасибо, но что, если библиотека изменит порядок элементов? Как бы получить ISBN без относительного положения в DOM типа, как вы сделали в решении этого вопроса?

echo $xpath->query("//tr[td='Основное заглавие']/td[2]")[0]->nodeValue;

[Илья]

DevMan, сделал через while. Но как бы просто через запрос?

$i = 1;
while ($i > 0) {
    $ISBN = $xpath->query("//span[@class='results_summary'][$i]")[0]->nodeValue;
    if (strpos($ISBN, 'ISBN:') !== false) {
        $ISBN = $xpath->query("//span[@class='results_summary'][$i]/text()")[0]->nodeValue;
        $ISBN = preg_replace("/[^0-9]/", '', $ISBN);
        echo $ISBN;
        break;
    }
    $i++;
}

[DevMan]

Илья,

что, если библиотека изменит порядок элементов?

вы гоняетесь за призраками:
- а если они вместо ISBN напишут International Standard Book Number или уберут пробел/двоеточие?
- а если они удалят span или заменят его на div?
- a если они вообще изменят верстку?
- еще 100500 причин?
универсальных рецептов нет: парсеры затачиваются под конкретную проблему, и в случае ее изменения - перетачиваются.

как бы просто через запрос?

echo $xpath->query("//span[span='ISBN: ']/text()")[0]->nodeValue;

[Илья]

DevMan, на этой же странице нужно спарсить количество книг. Почему не работает запрос?

$docNormal = new DOMDocument();
@$docNormal->loadHTMLFile('http://catalog.mgdb.ru:49001/cgi-bin/koha/opac-detail.pl?biblionumber=40399');
$xpathNormal = new DOMXpath($docNormal);

echo $xpathNormal->query("//ul[@class='ui-tabs-nav']/li[1]/a/text()")[0]->nodeValue;

[DevMan]

Илья, если заглянуть в исходник страницы (в исходник, не через консоль), то окажется что у ul нет класса вообще:

echo $xpath->query("//div[@id='bibliodescriptions']/ul/li[1]/a")[0]->nodeValue;

[Илья]

DevMan, вот это да, наверное, JS-м добавляют. Спасибо!

С таким запросом выводится: Holdings ( 3 ). Мне нужно достать количество книг. Норм так делать?

$bookStatus = preg_replace("/[^0-9]/", '', $bookStatus);

[DevMan]

Илья, вполне.
но если нужно получить только кол-во книг, то нет смысла доставать это значение и затем его еще обрабатывать - проще посчитать кол-во рядов в таблице:

echo $xpath->query("//table[@id='holdingst']/tbody/tr")->length;

[Илья]

DevMan, спасибо) Вообще мне нужно получить кол-во книг, которые доступны сейчас для выдачи на дом, то есть кол-во строк, в которых вторая td начинается с «Абонемент» и четвёртая — с Available. Запрос не получается:

echo $xpath->query("//table[@id='holdingst']/tbody/tr/td[2][starts-with(text(), 'Абонемент')td[4][starts-with(text(), 'Available')")->length;

[DevMan]

Илья, без обид, но как может получиться запрос если у вас нет представления о xpath?

echo $xpath->query("//table[@id='holdingst']/tbody/tr/td[2][starts-with(., 'Абонемент')]/../td[4][contains(text(),'Available')]")->length;

дальше уже создавайте новые вопросы, пусть и другие поучаствуют.

Answer 2

[Yan-s]

Ну вот примерно так и делать, цепляться за то что есть - за текст левой колонки.

Comments

[Илья]

Спасибо. Думаю, лучше по содержимому, чем по относительному положению в DOM: вдруг библиотека добавит новые поля или изменит порядок.