简单的 html dom 解析器无法解析所有页面答案

【问题标题】：Simple html dom parser can`t parse all page简单的 html dom 解析器无法解析所有页面
【发布时间】：2012-08-19 18:46:13
【问题描述】：

我需要从that site的中心栏获取信息

（我需要确切的电话号码）

我正在使用 SimpleHTML dom 解析器，并且正在尝试一些 curl 方法，但它总是给我没有那个中心列的 html 源代码！

我了解使用此代码：

 $html = file_get_html('http://vashmagazin.ua/cat/catalog/?rub=100&subrub=1');
 $str = $html->Save();
 echo $str;

我需要说我今天能不能这样做，否则我会失去这个订单。抱歉我的英语不好，谢谢。

【问题讨论】：

标签： php simple-html-dom

【解决方案1】：

注意字符集转换的请求头和iconv。

如果不将 windows-1251 中的字符串转换成 utf-8，preg_match 会失败。

转换后，我使用一个简单的正则表达式从整个页面中提取电话号码。

<?php

    $url = 'http://vashmagazin.ua/cat/catalog/?rub=100&subrub=1';

    $ch = curl_init();
    $request_headers = array
        (
            "Accept" => "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8",
            "Accept-Charset" => "windows-1251,utf-8;q=0.7,*;q=0.3",
        );

    $header = array();
    foreach ($request_headers as $key => $value)
        $header[] = "{$key}: {$value}";

    curl_setopt($ch, CURLOPT_HTTPGET, true);
    curl_setopt($ch, CURLOPT_HTTPHEADER, $header);
    curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/535.7 (KHTML, like Gecko) Chrome/16.0.912.63 Safari/535.7');
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_HEADER, false);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);

    $html = curl_exec($ch);
    curl_close($ch);

    $html = iconv("windows-1251", "UTF-8", $html);

    $matches = array();
    $pattern = '/\([0-9]{3}\)[0-9]{3,}\-[0-9]+/us';

    if (preg_match_all($pattern, $html, $matches))
    {
        var_dump($matches);
    }

?>

上面的源代码已经过全面测试并且可以正常工作。

如果您无法安装 curl 库，请尝试将 curl 块替换为 file_get_contents($url)。

要在您的操作系统上安装 curl 在 google 上搜索，在 Ubuntu 上使用 sudo apt-get install curl libcurl3 php5-curl 并重新启动 apache。

【讨论】：

致命错误：在第 5 行调用 F:\xampp\htdocs\mag\index.php 中未定义的函数 curl_init() --- 也许我需要一些库来包含？（除了我已经包含的简单 html dom）
你必须安装curl库，在ubuntu你可以用这个命令安装它：sudo apt-get install curl libcurl3 php5-curl（否则你可以尝试直接使用file_get_contents($url)。 .. 代码经过测试，100% 运行