QueryList递归多级数据采集:范围选择器(range()
)失效问题及解决方案
使用QueryList进行多级数据抓取时,可能会遇到文档示例与实际结果不符的情况,这通常与递归调用和range()
方法的用法有关。本文分析一个具体案例,解释问题根源并提供解决方案。
问题描述:
以下代码尝试使用QueryList递归提取嵌套HTML结构中的数据。目标是从HTML中提取标题()及其下列表(
.list
)中的各个项目(.item
)。然而,运行结果显示.item
字段的值并非预期的数组,而是所有.item
内容的拼接结果。
问题代码:
$html = << item1item2
运行结果:
array (
[0] => array (
[title] => xxx
[list] => array (
[item] => item1item2
)
)
[1] => array (
[title] => xxx2
[list] => array (
[item] => item12item22
)
)
)
问题分析:
虽然代码在递归调用QueryList时使用了range('')
,试图重置范围选择器,但这并没有生效。range('')
并没有真正清除QueryList对象内部的范围选择状态,导致后续查询仍然受到之前range('#demo li')
的影响。
解决方案:
为了解决这个问题,应该在递归调用QueryList时,创建新的QueryList对象,而不是复用之前的对象。这样可以保证每个级别的选择器独立工作,避免范围选择器冲突。
修改后的代码:
$item['list'] = (new QueryList($item['list']))->rules(array( 'item' => array('.item','text') ))->queryData();
通过创建新的QueryList对象,可以有效避免范围选择器冲突,从而得到预期的结果。 每个递归调用都拥有独立的范围选择器设置,不会受到上一级调用的影响。 请注意,#demo li
在原始代码中似乎是多余的,因为HTML结构中并没有 #demo
元素。 修改后的代码去除了这个多余的 range()
调用。
修改后的代码确保了正确的递归抓取,并解决了range()
方法失效的问题。 在处理嵌套结构时,创建新的QueryList对象是最佳实践,以避免对象状态的意外影响。