1.0Чудо{вищные} заметкиhttps://miracle.rpz.nameMiRacLehttps://miracle.rpz.name/author/miracle/<p>Стояла задача - собрать некую их статичных html-файлов,в основном табличные данные и ещё немного всего по вершкам. Вёрстка не ахти, поэтому встал вопрос о том что некоторые страницы придётся "парсить вручную"… Закономерности есть, но слишком много условностей (где-то есть class,где-то id, где-то в table есть tbody и т.п.) …<br /></p>Казалось бы ничего сложного - регулярные выражения вроде бы просто созданы для этого... но мне как-то неулыбалось их составлять… И тут я вспомнил что совсем недавно, исследуя <a href="http://mozdev.org">mozdev.org</a> наткнулся на плагин к firefox-у, который зовётся <a href="http://xpath.alephzarro.com/">Xpather</a>.Он помимо основной своей функции (показывать нужные ноды по пути и путь выбранной ноды), имеет кратенькую справку, которая открыла глаза на лёгкость написания "непонятных заборов и закорючек".<br /><br />  "Отлично" - подумал я - "так тому и быть…". Осталось преобразовать имеющуюся в наличии совсем невалидную html-ку в xml. <a href="http://php.net/tidy">Tidy</a> мне помочь отказался (или, что вернее,я не умею его готовить) , <a href="http://php.net/manual/en/function.tidy-clean-repair.php">tidy_clean_repair</a> предлагал мне "исправить" разметку и т.д. и т.п. Тут же вспомнился замечательный класс <a href="http://pixel-apes.com/safehtml/">SafeHTML</a> ( он так же проживает в <a href="http://pear.php.net/package/html_safe/">PEAR::HTML_Safe</a> ), который помог расчистить разнообразный хлам и выдал мне xhtml. Ну а далее <a href="http://php.net/manual/en/function.dom-domdocument-loadhtml.php">DOMDocument::loadHTML</a>. Но ёлки-палки… ругается на nobr ещё на что-то… но дерево выдаёт. Поставить <a href="http://php.net/manual/en/language.operators.errorcontrol.php">соб@ку</a> ? <a href="http://miracle.rpz.name/2006/02/24/">ну уж нет</a>… SafeHTML имеет в свойствах массив $deleteTags, туда и добавил nobr и ещё парочку совсем ненужных мне тегов (img например). И так у меня есть dom-дерево, у меня есть функция <a href="http://php.net/simplexml_import_dom">simplexml_import_dom</a> и есть чёткая уверенность в том что в третьей таблице, во всех рядах начиная с третьего, во второй ячейке есть необходимые мне данные, но они являются необходимыми если среди текста этой ячейки есть ключевое слово (пусть это будет "keyword"). Я конечно "не боюсь" регулярных выражений, но не настолько хорошо их знаю чтобы написать нужное мне. А вот xpath тут как нельзя кстати :<br /><blockquote> $xpath = "//table[position() = 3]//tr[position() >=3]//td[position() = 2 and contains(text(),"keyword")]/text()";</blockquote><br />  После выполнения $simplexml->xpath($xpath); я получаю массив, который содержит текст из искомых ячеек.<br /><br /><p>  Итого: избавил товарищей от долгой и нудной,ручной подготовки данных, ещё раз убедился что xpath это <strike>вам не пряники на кладбище тырить</strike> не только страшная абревиатура, но полезная штука…</p><p>P.S. <br /> Я ни в коем случае не предлагаю повсеместно применять подобную технику (построение dom-дерева операция очень "памятеёмкая", xpath <strike>вероятнее всего</strike> тоже), но в ряде случаев использовать такой метод проще и понятнее иных методов…</p><p>И название поста "дурацкое", но на другое не хватает буйности фантазии...<br /></p><br /><br />Technorati Tags: <a href="http://technorati.com/tag/dev" rel="tag">dev</a>, <a href="http://technorati.com/tag/web" rel="tag">web</a>, <a href="http://technorati.com/tag/php" rel="tag">php</a>, <a href="http://technorati.com/tag/xpath" rel="tag">xpath</a>, <a href="http://technorati.com/tag/simplexml" rel="tag">simplexml</a>rich