PHPのスクレイピングでループの初期値を変える

Question

Goutteを使用しています。

以下のようなソースからデータを抽出しています。

<tr>の中には<td>が複数あって一番最初のtdだけを取ります。 ``` <table id="main"> <tr class="111">...</tr> <tr class="aaa">...</tr> <tr class="AAA">...</tr> <tr>...</tr> <tr>...</tr> <tr>...</tr> <tr>...</tr> <tr>...</tr> <tr>...</tr> <tr>...</tr>

```ここに言語を入力

$list = [];
$site->Filter('table#main')->Filter('tr')->each(function($node)use(&$list) {
    $list [] = $node->Filter('td')->eq(0)->text();
});

var_dump($list);

tableの中身が全てただのtrであれば上記のコードでいけるんですが、
最初のclass付きのtr3つが邪魔をしていてループ出来ない状態です。

<b>Fatal error</b>:  Uncaught exception 'InvalidArgumentException' with message 'The current node list is empty.'

4つ目のclassの無いtrからループを開始したいのですが
この場合の記述はどう加えたら良いのでしょうか。

Answer 1

class属性がないtrを取得したいなら、filterXPathでnotを使えばできると思います。

$crawler->filterXPath('//table[@id="main"]/tr[not(@class)]')

※filterでもできるかもですが...

以下、動くサンプルコード

use Symfony\Component\DomCrawler\Crawler;

$html = '
<table id="main">
<tr class="111"><td>111</td></tr>
<tr class="aaa"><td>aaa</td></tr>
<tr class="AAA"><td>AAA</td></tr>
<tr><td>...</td></tr>
<tr><td>...</td></tr>
<tr><td>...</td></tr>
<tr><td>...</td></tr>
<tr><td>...</td></tr>
<tr><td>...</td></tr>
<tr><td>...</td></tr>
</table>
';
$crawler = new Crawler($html);

$list = $crawler->filterXPath('//table[@id="main"]/tr[not(@class)]')->each(function($node) {
    return $node->Filter('td')->eq(0)->text();
});
var_dump($list);

---

(追記)
もしくは４番目以降取りたいならposition()を使う方法もあります

$crawler->filterXPath('//table[@id="main"]/tr[position() >= 4]')

Comments

[dokoniarukana]

Fatal error: Call to undefined method GetPage::filterXPath()
と出てしまいました。

[popobot]

GetPageというGoutteのクラスはないので、独自に拡張されているのではないかと...

[popobot]

以下のコードで動くかもしれませんね
$site->Filter('table#main')->filterXPath('table/tr[not(@class)]')

[dokoniarukana]

Fatal error: Call to a member function filterXPath() on string in
試してみましたがこのようなエラーでした。

PHPは初心者以前のレベルなので色々と勉強する必要がありそうです…。
しばらくしたらベストアンサーとさせていただきます。
また十分に理解してから出直そうと思います。

[popobot]

以下だったらどうですか？ CSSセレクタ版です
$crawler->Filter('table#main')->Filter('tr:not([class])')

[dokoniarukana]

Fatal error: Call to a member function Filter() でした
何がいけないのかさっぱりわからないです。

[popobot]

すみません、変数間違えました... 以下ですね。
$site->Filter('table#main')->Filter('tr:not([class])')

[dokoniarukana]

$list = $site->Filter('table#main')->Filter('tr:not([class])')->each(function($node) {
return $node->Filter('td')->eq(0)->text();
});
var_dump($list);

↑実際のコードで

Fatal error: Uncaught exception 'InvalidArgumentException' with message '
The current node list is empty.'

でした

[popobot]

コードはあっていると思いますので、Goutteのバージョンが古いとかかもしれませんね
自分の環境は最新のv3.2.0でした。

[dokoniarukana]

そうなんですね！会社の人に相談してみます！
長々とお付き合い頂きとありがとうございました。