PHP 爬虫：如何使用 XPath 解析 XML 文档

<?php
// 假设我们已经有了一个SimpleXMLElement对象$xml
 
// 使用XPath选择所有<item>元素
$items = $xml->xpath('/rss/channel/item');
 
// 遍历所有<item>元素并打印标题和链接
foreach ($items as $item) {
    $title = $item->title;
    $link = $item->link;
    echo "Title: " . $title . ", Link: " . $link . "\n";
}
 
// 使用XPath查询特定的元素或属性
$titles = $xml->xpath('/rss/channel/item/title');
foreach ($titles as $title) {
    echo "Title: " . $title . "\n";
}
 
// 获取第一个<item>的标题
$firstItemTitle = (string)$xml->xpath('/rss/channel/item[1]/title')[0];
echo "First Item Title: " . $firstItemTitle . "\n";
 
// 获取最后一个<item>的标题
$lastItemTitle = (string)$xml->xpath('//item[last()]/title')[0];
echo "Last Item Title: " . $lastItemTitle . "\n";
 
// 使用XPath选择具有特定属性的元素
$mediaContent = $xml->xpath('//item/media:content');
foreach ($mediaContent as $content) {
    $url = $content['url'];
    echo "Media Content URL: " . $url . "\n";
}
 
// 注意：上述代码中假设了XML文档中已有rss/channel/item等元素存在，并且在处理特定命名空间（如media）的标签时，需要在XPath查询中加入相应的命名空间前缀。
?>

在这个例子中，我们使用了SimpleXMLElement::xpath方法来选择XML文档中符合XPath表达式的节点。我们通过一个循环遍历所有的<item>元素，并打印出它们的标题和链接。我们还演示了如何获取特定元素的文本内容，以及如何处理具有命名空间的元素。这个例子提供了一个基本的框架，可以根据实际的XML结构进行调整和扩展。