1

売上ランク（この場合は5）だけを抽出したい

この商品を購入した、Amazonコミュニティーのメンバーである出品者、メーカー、または カスタマーが質問にお答えします。

Web ページから : http://www.amazon.com/Mockingjay-Hunger-Games-Book-3/dp/0439023513/ref=tmm_hrd_title_0

これまでのところ、「Amazon ベストセラー ランク:」を選択すると、次のようになります。

//li[@id='SalesRank']/b/text()

私はPHPDOMDocumentとDOMXPath.

4

2 に答える 2

2

純粋な XPath を使用できます。

substring-before(normalize-space(/html/body//ul/li[@id="SalesRank"]/b[1]/following-sibling::text()[1])," ")

ただし、入力が少し乱雑な場合は、XPath を使用して親ノードのテキストを取得し、そのテキストに対して正規表現を使用して必要な特定のものを取得すると、より信頼性の高い結果が得られる場合があります。

DOMDocumentPHP とを使用した両方の方法のデモDOMXPath:

// Method 1: XPath only
$xp_salesrank = 'substring-before(normalize-space(/html/body//li[@id="SalesRank"]/b[1]/following-sibling::text()[1])," ")';

// Method 2: XPath and Regex
$regex_ranktext = 'string(/html/body//li[@id="SalesRank"])';
$regex_salesrank = '/Best\s+Sellers\s+Rank:\s*(#\d+)\s+/ui';

// Test URLs
$urls = array(
    'http://rads.stackoverflow.com/amzn/click/0439023513',
    'http://www.amazon.com/Mockingjay-Final-Hunger-Games-ebook/dp/B003XF1XOQ/ref=tmm_kin_title_0?ie=UTF8&m=AG56TWVU5XWC2',
);

// Results
$ranks = array();
$ranks_regex = array();

foreach ($urls as $url) {
    $d = new DOMDocument();
    $d->loadHTMLFile($url);
    $xp = new DOMXPath($d);

    // Method 1: use pure xpath
    $ranks[] = $xp->evaluate($xp_salesrank);

    // Method 2: use xpath to get a section of text, then regex for more specific item
    // This method is probably more forgiving of bad HTML.
    $rank_regex = '';
    $ranktext = $xp->evaluate($regex_ranktext);
    if ($ranktext) {
        if (preg_match($regex_salesrank, $ranktext, $matches)) {
            $rank_regex = $matches[1];
        }
    }
    $ranks_regex[] = $rank_regex;

}

assert($ranks===$ranks_regex); // Both methods should be the same.
var_dump($ranks);
var_dump($ranks_regex);

私が得る出力は次のとおりです。

array(2) {
  [0]=>
  string(2) "#4"
  [1]=>
  string(2) "#3"
}
array(2) {
  [0]=>
  string(2) "#4"
  [1]=>
  string(2) "#3"
}
于 2012-01-19T07:51:17.630 に答える
0

使用：

substring-before(substring-after($expr, '#'), ' ')

ここで$exprあなたの表現に置き換える必要があります：

   substring-before(substring-after(//li[@id='SalesRank']/b, '#'), ' ')

または、テキストノードを選択する正しい式が（@FrancisAvilaのように）である場合：

/html/body//ul/li[@id="SalesRank"]/b[1]/following-sibling::text()[1]

その場合、上記は次のようになります。

substring-before(
   substring-after(/html/body//ul/li[@id="SalesRank"]
                  /b[1]/following-sibling::text()[1], '#'), 
   ' ')
于 2012-01-19T13:52:19.427 に答える