PHP中使用XPath查询class为box的div及其子div的正确方法

问题说明 #

现有多组<div class="box">父容器，需要从每个容器内关联提取两个字段，原有分开全局查询节点、靠手动计数对齐索引的写法容易出现错位，执行效率低。
提取规则：

• 每个box内，id以adx_开头、class为shorttext的div文本（示例值：test text）
• 同一个box内，class为pBox的div文本（示例值：$230）

示例HTML结构：

<div class="box">
  <div id="adx_113_x_shorttext" class="shorttext">test text</div>
  <div class="btnLst"><span id="vs_table_IRZ_x_MI52_x_c010_MI52" class="info">
     <flag class="tooltip-show-condition"></flag></span></div>
  <div class="pBox">
    <div>$230</div>
  </div>
</div>

原有错误写法示例：

$acc_count = 0;
$accessories = $xpath->query("//div[contains(@class,'shorttext')]");
$price = $xpath->query("//div[contains(@class,'pBox')]");
foreach ($accessories as $node) {
  echo $node->nodeValue . " | " . $price[$acc_count]->nodeValue; . "\n";
  $acc_count++;
}

该写法核心问题：全局查询所有shorttext、pBox节点后靠计数器索引匹配，一旦某个容器缺节点、节点顺序变动就会出现错位。

实现方案 #

核心逻辑：先遍历所有父级box容器，再在每个容器的上下文范围内做相对XPath查询，从根源保证两个字段属于同一个容器，完全避免索引错位问题。
PHP实现代码：

// 第一步：查询所有box父容器
$boxList = $xpath->query("//div[contains(@class, 'box')]");

foreach ($boxList as $boxItem) {
    // 在当前box上下文内，匹配符合规则的shorttext节点：class含shorttext、id以adx_开头
    // 注意XPath开头的.代表从当前节点往下查找，不能省略
    $textNode = $xpath->query(".//div[contains(@class, 'shorttext') and starts-with(@id, 'adx_')]", $boxItem)->item(0);
    // 在当前box上下文内查询pBox节点
    $priceNode = $xpath->query(".//div[contains(@class, 'pBox')]", $boxItem)->item(0);

    // 非空校验，避免节点缺失时报错
    $extractText = $textNode ? trim($textNode->nodeValue) : '';
    $extractPrice = $priceNode ? trim($priceNode->nodeValue) : '';

    echo $extractText . " | " . $extractPrice . "\n";
}

注意事项 #

• 相对查询的XPath必须以.开头，否则会默认从整个文档根节点全局查询，失去关联匹配的作用
• 用starts-with(@id, 'adx_')匹配固定前缀的随机id，匹配精度比仅靠class匹配更高
• 增加节点非空判断，兼容个别box结构不完整的场景，避免运行报错
• 该写法不需要手动维护索引计数器，不会出现跨块匹配错位的问题，查询效率也高于多次全局查询。

内容的提问来源于stack exchange，提问作者K997