如何在XML中获取所有<additional_image_link>节点并转为数组？

问题场景 #

需要从Google Shopping格式的XML中，提取每个<item>下的所有<g:additional_image_link>节点内容并存入数组。现有代码能正确统计每个item下的节点数量，但只能获取第一个节点的内容，无法拿到全部链接。

原代码及问题 #

原代码片段：

$reader = XMLReader::open($path);
$document = new DOMDocument();
$xpath = new DOMXpath($document);

while (
$reader->read() && $reader->localName !== 'item'
) {
 continue;
}
 while ($reader->localName === 'item') {
                // expand into DOM
                $item = $reader->expand($document);

                $query = 'count(g:additional_image_link)';
                $entries = $xpath->evaluate($query, $item);
                echo "There are $entries additional_image_links\n";

                $nodes = $xpath->evaluate('string(g:additional_image_link)', $item);
                echo "\n<pre>nodes";
                var_dump($nodes);
                echo '</pre>';

问题出在string(g:additional_image_link)——XPath的string()函数仅会返回匹配到的第一个节点的文本值，所以只能拿到第一个图片链接。

对应的XML结构 #

<?xml version="1.0" encoding="UTF-8" ?>
<rss version="2.0" xmlns:g="http://base.google.com/ns/1.0" xmlns:atom="http://www.w3.org/2005/Atom">
    <channel>
<item>
  <title>A</title>
  <g:additional_image_link>https://image1.jpg</g:additional_image_link>
  <g:additional_image_link>https://image2.jpg</g:additional_image_link>
</item>
<item>
  <title>B</title>
  <g:additional_image_link>https://image3.jpg</g:additional_image_link>
  <g:additional_image_link>https://image4.jpg</g:additional_image_link>
  <g:additional_image_link>https://image4.jpg</g:additional_image_link>
</item>
    </channel>
</rss>

解决方案 #

修改XPath查询逻辑，直接获取所有<g:additional_image_link>节点的集合，再遍历提取每个节点的文本值存入数组：

$reader = XMLReader::open($path);
$document = new DOMDocument();
$xpath = new DOMXpath($document);

// 定位到第一个item节点
while ($reader->read() && $reader->localName !== 'item') {
    continue;
}

// 遍历所有item节点
while ($reader->localName === 'item') {
    // 将当前item节点转为DOM节点
    $item = $reader->expand($document);

    // 统计节点数量（保留原逻辑）
    $count = $xpath->evaluate('count(g:additional_image_link)', $item);
    echo "当前item下有 $count 个图片链接\n";

    // 获取所有g:additional_image_link节点集合
    $imageNodes = $xpath->evaluate('g:additional_image_link', $item);
    
    // 初始化数组存储链接
    $imageLinks = [];
    foreach ($imageNodes as $node) {
        // 提取每个节点的文本值存入数组
        $imageLinks[] = $node->nodeValue;
    }

    // 输出结果验证
    echo "图片链接数组：\n";
    var_dump($imageLinks);

    // 移动到下一个item节点，避免死循环
    $reader->next('item');
}

关键说明 #

1. 去掉XPath中的string()，直接查询g:additional_image_link会返回所有匹配的节点组成的DOMNodeList
2. 遍历DOMNodeList，通过$node->nodeValue提取每个节点的文本内容
3. 必须调用$reader->next('item')移动到下一个item节点，防止进入死循环

内容的提问来源于stack exchange，提问作者Gunnarius