Discussion :

[gotcha5832]

Bonjour à tous,

J'essaye d'extraire d'un sitemap les url contenu dans les balise <loc>

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
<url>
    <loc>http://www.example.com/e/</loc>
    <lastmod>2013-10-23T19:53:44+01:00</lastmod>
    <image:image>
        <image:loc>http://example.com/image.jpg</image:loc>
        <image:caption><![CDATA[bépo]]></image:caption>
    </image:image>
</url>

J'ai donc fait:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
$urls = array();  
$DomDocument = new DOMDocument();
$DomDocument->preserveWhiteSpace = false;
$DomDocument->load('post-sitemap.xml');
$DomNodeList = $DomDocument->getElementsByTagName('loc');
 
foreach($DomNodeList as $url) {
  $urls[] = $url->nodeValue;
}

Mon soucis est que mon script extrait aussi bien les balise <loc> que <image:loc>

auriez vous pour n'extraire que les <loc>?

[chatofor]

Peut-être en utilisant les expressions rationnelles ou alors tu extraies tout mais tu vérifies avec une condition si c'est bien une URL ou ce que tu cherches

[CosmoKnacki]

La méthode DOMDocument::getElementsByTagName ignore les espaces de noms (namespaces), c'est pour cette raison qu'il te renverra aussi bien les éléments <loc> que <image:loc> que <biduletruc:loc>.
Si tu veux cibler un espace de nom en particulier, tu dois utiliser DOMDocument::getElementsByTagNameNS.

Pour pouvoir déterminer avec certitude dans quel espace de nom se trouve les éléments <loc>, tu dois montrer toute l'arborescence de ton fichier xml depuis la racine jusqu'à l'élément loc.

Sinon tu peux tenter:

• sans namespace:

  Code :

  Sélectionner tout - Visualiser dans une fenêtre à part

  $DomNodeList = $DomDocument->getElementsByTagNameNS('', 'loc');

• avec le namespace de la racine:

  Code :

  Sélectionner tout - Visualiser dans une fenêtre à part

  $DomNodeList = $DomDocument->getElementsByTagNameNS('http://machin.bidule/truc', 'loc');

  où http://machin.bidule/truc est l'url dans l'attribut xmlns="..." qui définit l'espace de noms par défaut, situé fort probablement à la racine de ton document. Dans un fichier sitemap, c'est probablement: http://www.sitemaps.org/schemas/sitemap/0.9. Si ce n'est pas le cas, cherche cet attribut chez les ancêtres de ton élément <loc>.

Pour t'éviter une fastidieuse recherche, si tu es amené à utiliser XPath et que tu souhaites exprimer l'espace de noms par défaut, tu dois lui donner un petit nom de ton choix:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
$xp = new DOMXPath($DomDocument);
$xp->registerNamespace('truc', 'http://machin.bidule/truc');
$DomNodeList = $xp->query('//truc:loc');