PHP从DOM创建头标记的递归列表

问题描述 投票:0回答:1

我想解析一些HTML,以根据该文档中的标题创建嵌套导航。

像这样的数组就是我想要创建的:

[
  'name' => 'section 1',
  'number' => '1',
  'level' => 1,
  'children' => [
    [
      'name' => 'sub section 1',
      'number' => '1.1',
      'level' => 2,
      'children' => []
    ],
    [
      'name' => 'sub section 2',
      'number' => '1.2',
      'level' => 2,
      'children' => []
    ]
  ],
]

因此,如果文档在H2之后具有H3,则代码可以解析此并创建具有子元素的嵌套数组,用于每个连续的H标题层

我想它需要做一些主要的事情:

  • 得到所有的标题
  • 递归循环(H2之后的H3应该是数组中的子节点)
  • 例如,创建节号1.1.11.1.2

这是我提取标题的代码:

$dom = new \DomDocument();
$dom->loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);

// Extract the heading structure
$xpath = new \DomXPath($dom);
$headings = $xpath->query('//h1|//h2|//h3|//h4|//h5|//h6');

我试图创建一个递归函数,但我不确定最好的方法来使它工作

php domdocument
1个回答
2
投票

测试非常困难,因为这取决于HTML的复杂程度和您使用的特定页面。此外,由于代码做了很多,我会让你知道它做了什么,因为解释会持续一段时间。 XPath是使用XPath select all elements between two specific elements作为参考来创建的,用于选择两个标记之间的数据。测试源(test.html)仅仅是....

<html>
<head>
</head>
<body>
    <h2>Header 1</h2>
    <h2>Header 2</h2>
    <h3>Header 2.1</h3>
    <h4>Header 2.1.1</h4>
    <h2>Header 3</h2>
    <h3>Header 3.1</h3>
</body>
</html>

实际代码是......

function extractH ( $level, $xpath, $dom, $position = 0, $number = ''  )  {
    $output = [];
    $prevLevel = $level-1;
    $headings = $xpath->query("//*/h{$level}[count(preceding-sibling::h{$prevLevel})={$position}]");
    foreach ( $headings as $key => $heading )   {
        $sectionNumber = ltrim($number.".".($key+1), ".");
        $newOutput = ["name" => $heading->nodeValue,
            "number" => $sectionNumber,
            "level" => $level
            ];
        $children = extractH($level+1, $xpath, $dom, $key+1, $sectionNumber);
        if ( !empty($children) )    {
            $newOutput["children"] = $children;
        }
        $output[] =$newOutput;
    }

    return $output;
}

$html = file_get_contents("test.html");
$dom = new \DomDocument();
$dom->loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
$xpath = new \DomXPath($dom);
$output = extractH(2, $xpath, $dom);
print_r($output);

extractH()的调用参数很少。由于示例HTML仅以h2标签(无h1)开头,因此第一个参数为2.然后使用XPath和DomDocument对象。

© www.soinside.com 2019 - 2024. All rights reserved.