简单的 HTML DOM - 遍历 html答案

【问题标题】：Simple HTML DOM - traversing html简单的 HTML DOM - 遍历 html
【发布时间】：2013-08-26 17:56:42
【问题描述】：

我正在使用简单的 HTML DOM 解析器 - http://simplehtmldom.sourceforge.net/manual.htm 我正在尝试从记分牌页面中抓取一些数据。下面的示例展示了我拉取“Akron Rushing”表的 HTML。

在$tr->find('td', 0) 的第一列中，有一个超链接。如何提取此超链接？使用$tr->find('td', 0')->find('a') 似乎不起作用。

另外：我可以为每张桌子写条件（传球、冲球、接球等），但有没有更有效的方法呢？我对这方面的想法持开放态度。

include('simple_html_dom.php');
$html = file_get_html('http://espn.go.com/ncf/boxscore?gameId=322432006');

$teamA['rushing'] = $html->find('table.mod-data',5);

foreach ($teamA as $type=>$data) {
  switch ($type) {
    # Rushing Table
    case "rushing":
       foreach ($data->find('tr') as $tr) {
        echo $tr->find('td', 0);    // First TD column (Player Name)
        echo $tr->find('td', 1);    // Second TD Column (Carries)
        echo $tr->find('td', 2);    // Third TD Column (Yards)
        echo $tr->find('td', 3);    // Fourth TD Column (AVG)
        echo $tr->find('td', 4);    // Fifth TD Column (TDs)
        echo $tr->find('td', 5);    // Sixth TD Column (LGs)
        echo "<hr />";
        }
   }
}

【问题讨论】：

标签： php dom simple-html-dom tree-traversal

【解决方案1】：

在您的情况下，find('tr') 返回 10 个元素，而不是预期的 7 行。

此外，并非所有名称都有与之关联的链接，当链接不存在时尝试检索链接可能会返回错误。

因此，这是您的代码修改后的工作版本：

$url = 'http://espn.go.com/ncf/boxscore?gameId=322432006';

$html = file_get_html('http://espn.go.com/ncf/boxscore?gameId=322432006');

$teamA['rushing'] = $html->find('table.mod-data',5);

foreach ($teamA as $type=>$data) {
  switch ($type) {
    # Rushing Table
    case "rushing":
        echo count($data->find('tr')) . " \$tr found !<br />";

        foreach ($data->find('tr') as $key => $tr) {

            $td = $tr->find('td');

            if (isset($td[0])) {
                echo "<br />";
                echo $td[0]->plaintext . " | ";         // First TD column (Player Name)

                // If anchor exists
                if($anchor = $td[0]->find('a', 0))
                    echo $anchor->href;                 // href

                echo " | ";

                echo $td[1]->plaintext . " | ";     // Second TD Column (Carries)
                echo $td[2]->plaintext . " | ";     // Third TD Column (Yards)
                echo $td[3]->plaintext . " | ";     // Fourth TD Column (AVG)
                echo $td[4]->plaintext . " | ";     // Fifth TD Column (TDs)
                echo $td[5]->plaintext;             // Sixth TD Column (LGs)
                echo "<hr />";
            }

        }
   }
}

如您所见，可以使用这种格式$tag->attributeName 重新调整属性。在您的情况下，attributeName 是 href

注意事项：

处理 find 的错误是个好主意，因为知道在没有找到任何东西时它会返回“False”

$td = $tr->find('td');

// Find suceeded
if ($td) {
    // code here
}
else
  echo "Find() failed in XXXXX";

PHP Simple HTML DOM Parser 已经知道 php5 的内存泄漏问题，所以不要忘记在不再使用 DOM 对象时释放内存：

$html = file_get_html(...);

// do something... 

$html->clear(); 
unset($html);

Source: http://simplehtmldom.sourceforge.net/manual_faq.htm#memory_leak

【讨论】：

【解决方案2】：

根据文档，您应该能够为嵌套元素链接选择器。

这是他们给出的例子：

// Find first <li> in first <ul>    
$e = $html->find('ul', 0)->find('li', 0);

我能看到的唯一区别是它们在第二个查找中包含索引。尝试添加它，看看它是否适合你。

【讨论】：