phpでxpathを利用したrss/atomのスクレイピングで取得できない項目がある

Question

rssのスクレイピングで<link>のurlを取得できない

rssとxpathによるfeedのスクレイピングを勉強中なのですが、rssの<link>タグの内容だけが取得されず疑問に思っています。
rssとatom共に、タイトル、url、日付の取得ができるようになりたいのと、同じ<item>に存在している<title>と<link>で、なぜ<link>の値が取得できないのかの理由も知りたいと思います。

発生している問題・エラーメッセージ

エラーでは無いのですがvar_dumpの出力結果となり'url'だけが取得されません。

array (size=10)
  0 => 
    array (size=3)
      'title' => string '【無印】久しぶりのディフューザー。いつか作ってみたいオリジナルブレンド。' (length=108)
      'url' => string '' (length=0)
      'date' => string '2018-09-27T22:40:19+09:00' (length=25)

該当のソースコード

// RSSの場合
$dom = new DOMDocument;
@$dom->loadHTMLFile('http://ryouhinseikatsu.blog.jp/index.rdf');
$xpath = new DOMXPath($dom);
$entries = [];
foreach ($xpath->query('//item') as $node) {
    $entries[] = [
        'title'   => $xpath->evaluate('string(title)', $node),
        'url'     => $xpath->evaluate('string(link)', $node),
        'date'    => $xpath->evaluate('string(date)', $node),
    ];
}
var_dump($entries);

試したこと

同じサイトのatomについては以下の内容でurlを取得することができました。

// ATOMの場合
$dom = new DOMDocument;
@$dom->loadHTMLFile('http://ryouhinseikatsu.blog.jp/atom.xml');
$xpath = new DOMXPath($dom);
$entries = [];
foreach ($xpath->query('//entry') as $node) {
    $entries[] = [
        'title'   => $xpath->evaluate('string(title)', $node),
        'url'     => $xpath->evaluate('string(link/@href)', $node),
        'date'    => $xpath->evaluate('string(modified)', $node),
    ];
}
var_dump($entries);

学習中ということもあり根本的な理解が不足していると思うのですが、名前空間などが影響しているのかと思っていますが上手くいきませんでした。

補足情報（FW/ツールのバージョンなど）

php 7.1の環境で動かしています

Answer 1

「linkの値が取得できない」理由ですが、

rssの方のソースコードで取ってきている データを見ると

<link>
http://ryouhinseikatsu.blog.jp/archives/1072694575.html
</link>

のようになっています。

質問者様のソースは、rssをHTMLのパーサーで解析しているのですが、
HTMLにおいてlinkタグの構文は要素を取らない（開始タグと終了タグで囲まない）タグ
なので、パーサーが要素をとってこないのです。

解決方法としては、PHPのrssのパーサーがライブラリとして存在するようですので
それを利用するなどでしょうか。

参考
https://manablog.org/php_rss_get/
https://syncer.jp/php-how-to-get-feed

Comments

[hrysyk]

ありがとうございます、確かに本来の用途とは違う使い方になるとは思っていましたがそこがひっかかっていたのですね。参考サイトもありがとうございます。なるべく今後のバージョンアップにも対応できるように、標準のもので解決できたらいいなと思っておりました。参考にさせていただきます。