使用Simple_HTML_DOM_PARSER通过Full XPath爬取数据失败求助

由于simple_html_dom对复杂XPath的支持有限，推荐改用PHP原生的DOMDocument+DOMXPath组合来实现需求，以下是修改后的完整代码：

function display_html_info() {
    $target_url = 'https://asiftestingsite.online/index.php/2023/11/22/testing-post/';
    
    // 获取目标页面内容
    $page_content = file_get_contents($target_url);
    if (!$page_content) {
        return '无法加载目标页面内容';
    }
    
    // 初始化DOM解析器，屏蔽HTML不规范的错误提示
    $dom = new DOMDocument();
    libxml_use_internal_errors(true);
    $dom->loadHTML($page_content);
    libxml_clear_errors();
    
    // 初始化XPath查询工具
    $xpath = new DOMXPath($dom);
    
    // 执行你提供的Full XPath查询
    $query = '/html/body/div[3]/main/div[1]/article/div[2]/div/span';
    $matched_elements = $xpath->query($query);
    
    // 返回结果或提示信息
    if ($matched_elements->length > 0) {
        return trim($matched_elements->item(0)->nodeValue);
    } else {
        return '未找到目标内容';
    }
}
add_shortcode('show_this_data', 'display_html_info');

关键说明： #

• 原生DOMXPath对复杂层级结构的支持更可靠，能精准匹配你指定的Full XPath路径
• 加入了基础错误处理：页面加载失败或无匹配内容时会返回明确提示
• trim()用于清理文本前后的空白字符，优化展示效果

注意点： #

• 若目标网站的HTML结构发生变化（比如div的索引位置改动），当前XPath会失效，需要重新调整路径
• 频繁爬取可能触发目标站的反爬机制，建议添加请求缓存或控制爬取频率

内容的提问来源于stack exchange，提问作者ASIF